TH7972 PDF

N° d’ordre 06 / 2014-C / ELT
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET
DE LA RECHERCHE SCIENTIFIQUE
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE

« HOUARI BOUMEDIENE »
FACULTE D’ELECTRONIQUE ET INFORMATIQUE
THESE
Présentée pour l’obtention du Diplôme de
Doctorat Troisième Cycle LMD
Spécialité : Electrotechnique
Par : AMRANE Youcef
Thème
Optimisation de la compensation de l’énergie

réactive dans les réseaux de transport et de
distribution
Soutenue publiquement, le 13/12/2014, devant le jury composé de :
Mourad Hasni Professeur à l’USTHB Président de jury

Mohamed Boudour Professeur à l’USTHB Directeur
Abdelhafid Hellal Professeur à l’ENP Examinateur
Nahid Mufidzada Professeur à l’U. Tizi-ouzou Examinateur
Ahmed Amine Ladjici Maitre de Conférences A à l’USTHB Examinateur
Tarek Bouktir Professeur à l’U .Ferhat Abbas-Sétif Invité
Merième Amorouayache Docteur à l’OS-Sonelgaz Invitée
RÉSUMÉ
Ce travail a pour objectif de développer un outil de calcul efficient permettant de

solutionner le problème d’optimisation multiobjectif de la compensation d’énergie réactive
des réseaux électriques. Plusieurs méthodes permettant de déterminer les solutions des états
de fonctionnement du réseau sont appliquées en considérant le compromis entre le nombre et
les emplacements optimaux des dispositifs de compensation selon des critères et des
contraintes tels : la minimisation des pertes actives ou les déviations des tensions de charge.
Pour résoudre ce problème multiobjectif, les méthodes approchées semblent être les plus
appropriées. L’objectif est de trouver l’endroit et la taille adéquate des moyens de
compensation dans un réseau de transport et distribution interconnecté. Pour se faire, ce
dernier est divisé en deux sous-systèmes : le sous-système de transport et le sous-système de
distribution. La solution proposée consiste à choisir la meilleur configuration dans chacun des
deux sous- systèmes séparément, qui donne le minimum des pertes actives de transport, du
coût des dispositifs de compensation et de l'écart de tension tout en satisfaisant les contraintes
physiques et les limites opérationnelles des deux sous-systèmes. Les méthodes développées
sont tout d'abord validées dans le cas du réseau équivalent national de transport SONELGAZ
de 114 nœuds et le réseau de distribution de Djanet de 112 nœuds, puis appliquées au réseau
National de transport SONELGAZ de 938 nœuds.
i
ABSTRACT
The work aims at developing an efficient computational tool to solve the multi-objective
optimization problem of reactive power compensation flow in large power systems. Several
methods are applied considering the compromise between the optimal number and optimal
location of the compensation devices based on specified criteria and constraints with the
minimization of real power losses and loads voltage deviation. To solve this multi-objective
problem, the approximate methods seem to be the most appropriate. The objective is to find
the location and thee size of the compensation devices in a large interconnected transmission
and distribution network. To do so, the entire grid is divided into two subsystems: the
transmission subsystem and the distribution subsystem. The proposed solution is obtained by
finding out the best configuration in both subsystems separately which gives the minimum
active transmission losses, the cost of compensation devices and the minimum voltage
deviation by satisfying the physical constraints and operational limits of the two subsystems.
The developed methods are first validated in the case of 114 bus-SONELGAZ equivalent
national transmission grid and the 112 bus-Djanet distribution network, then applied to the
938 bus-National transmission system SONELGAZ.
ii
REMERCIMENTS
Louange et grâce à notre Dieu, le tout puissant de m’avoir donné

du courage, de la volonté durant tout mon cursus et de m’avoir permis
de réaliser ce travail
Je tiens à remercier respectivement tous ceux qui m'ont aidée, soutenue et encouragée
pour la réalisation de ce modeste travail :
D’abord mes parents de tous les sacrifices qu'ils ont consentis pour me permettre de suivre mes
études dans les meilleures conditions possibles et n'avoir jamais cessez de m'encourager tout au long
de mes années d'étude.
Je tiens à remercier Mr Mohamed BOUDOUR, mon encadreur qui n’a pas lésiné sur les moyens
et sur son temps pour m’apporter son aide précieuse et qui m’a permis de mener à bien ce travail.
Je remercie également les membres du Laboratoire des Systèmes Électriques et Industriels

L.S.E.I pour leurs confiance, leurs encouragements, leurs suivis et pour les conseils qu’ils ont
apportés pour l’achèvement de cette thèse.
Mes remerciements vont aussi au Prof. Mourad Hasni de l’USTHB pour avoir accepté de
présider ce jury de soutenance ainsi qu’au Prof. Tarek Bouktir de l’université de Sétif, Prof.
Abdelhafid Hellal de l’Ecole nationale Polytechnique, Dr Ahmed Amine Ladjici maitre de conférence
de l’USTHB, Prof. Nahid Mufidzada de l’université Tizi-ouzou et Docteur Merième Amorouayache de
la Sonelgaz qui m’ont tous honoré en acceptant d’examiner ce travail.
Je remercie tous les enseignants qui ont contribué à notre formation depuis le jeune âge et pour
qui notre gratitude et reconnaissance sont éternelles. Ils trouvent dans ce mémoire le fruit de leurs
labeurs.
Et enfin, je suis reconnaissant envers tous ceux qui ont contribués de près ou de loin à la
réalisation de ce projet.
iii
TABLE DES MATIÈRES
RESUME.....................................................................................................................................i
ABSTRACT............................................................................................................................... ii
REMERCIEMENTS ............................................................................................................... iii
SOMMAIRE............................................................................................................................. iv
INTRODUCTION GENERALE .............................................................................................1
CHAPITRE 1 : États de l’art sur l’optimisation de la planification de l’énergie

réactive
1.1 INTRODUCTION ...............................................................................................................5

1.2 Généralités sur la compensation de L’énergie réactive .......................................................6
1.2.1 Compensation de l’énergie réactive ..............................................................................6
1.2.2 Réglage de la tension sur les réseaux électriques..........................................................9
1.2.3 Phénomène d’instabilité de la tension.........................................................................10
1.2.3.1 Stabilité de tension vis-à-vis des petites perturbations .........................................11
1.2.3.2 Stabilité de tension vis-à-vis des grandes perturbations .......................................11
1.2.4 Moyens de compensation de l’énergie réactive et de réglage de la tension................11
1.2.4.1 Les compensateurs synchrones .............................................................................11
1.2.4.2 Groupes thermiques et hydrauliques ....................................................................12
1.2.4.3 Les condensateurs .................................................................................................12
1.2.4.4 Inductances ...........................................................................................................12
1.2.4.5 Compensateurs statiques.......................................................................................13
1.2.4.6 Les dispositifs FACTS..........................................................................................13
1.3 Optimisation de la planification de l’énergie réactive .......................................................16
1.3.1 Généralités sur l’optimisation .....................................................................................16
1.3.2 Méthodes d’optimisation déterministes ......................................................................17
1.3.2.1 Méthode du gradient .............................................................................................18
1.3.2.2 Méthode de Newton..............................................................................................19
1.3.2.3 Programmation dynamique...................................................................................19
1.3.2.4 La méthode du point intérieur...............................................................................20
1.3.2.5 La technique de programmation quadratique .......................................................20
1.3.2.6 Méthodes de Programmation quadratique séquentielles .....................................20
1.3.3 Méthodes d’optimisations stochastiques ......................................................................21
iv
1.3.3.1 Algorithmes Génétiques .......................................................................................22
1.3.3.3 Recuit Simulé .......................................................................................................22
1.3.3.4 Recherche Taboue ................................................................................................23
1.3.3.5 Stratégies d’Évolution ..........................................................................................23
1.3.3.6 Programmation Évolutionnaire.............................................................................23
1.3.3.7 La méthode de colonie de fourmis .......................................................................24
1.3.4 Formulation du problème de planification d’énergie réactive ....................................24
1.3.4.1 Variables ...............................................................................................................25
1.3.4.2 Fonctions objectifs................................................................................................26
1.3.4.3 Contraintes............................................................................................................26
1.4 CONCLUSION..................................................................................................................27
CHAPITRE 2 : Optimisation de la planification de l’énergie dans le réseau de transport
2.1 INTRODUCTION .............................................................................................................28

2.2 État de l’art.........................................................................................................................29
2.3 Calcul d’écoulement de puissance par la méthode de Newton-Raphson ..........................33
2.4 Formulation du problème d’optimisation ..........................................................................37
2.4.1 Description générale....................................................................................................37
2.4.2 Variables et fonctions objectifs ...................................................................................37
2.4.2.1 Variables ...............................................................................................................38
2.4.2.2 Fonctions objectifs................................................................................................38
2.4.3 Contraintes ..................................................................................................................40
2.4.4 Manipulation des contraintes ......................................................................................43
3.4.5 Problème complet........................................................................................................45
2.5 Modélisation des éléments du réseau.................................................................................45
2.5.1 Modèles des générateurs .............................................................................................45
2.5.2 Lignes ..........................................................................................................................46
2.5.3 Transformateurs ..........................................................................................................47
2.5.4 Charges........................................................................................................................48
2.5.5 Éléments shunt ............................................................................................................48
2.5.6 Modélisation des dispositifs FACTS...........................................................................49
2.5.6.1 Le SVC ................................................................................................................49
v
2.5.6.2 Le TCSC ..............................................................................................................50
2.6 Identification des nœuds et des lignes critiques.................................................................50
2.6.1 Indice Rapide de Stabilité de Tension (FVSI).............................................................51
2.6.2 Indice de Stabilité de Ligne (Lmn)..............................................................................52
2.6.3 Indice de Stabilité de Facteur de Ligne (LPQ)............................................................52
2.6.4 Identification des lignes et des nœuds critiques ..........................................................53
2.7 Méthode d’optimisation .....................................................................................................53
2.7.1 Optimisation par essaim de particules.........................................................................53
2.7.2 Algorithme de la Recherche Gravitationnelle............................................................56
2.7.3 PSOGSA .....................................................................................................................59
2.8 Application et résultats ......................................................................................................61
2.8.1 Identification des lignes et des nœuds critiques ..........................................................61
2.8.2 Réseau teste.................................................................................................................62
2.8.3 Discussion des résultats ..............................................................................................72
2.9 CONCLUSION..................................................................................................................74
CHAPITRE 3 : Optimisation de la planification de l’énergie réactive dans le réseau de

distribution
3.1 INTRODUCTION .............................................................................................................75
3.2 État de l’art.........................................................................................................................76
3.3 Calcul de l’écoulement de puissance dans un réseau de distribution ................................79
3.3.1 Numérotation des éléments d’une ligne radiale ..........................................................80
3.3.2 Détermination des nœuds après chaque branche.........................................................81
3.3.2.1 Construction de la matrice d’incidence ................................................................81
3.3.2.2 Structure nouvelle de la matrice incidence...........................................................83
3.3.2.3 Algorithme de construction ..................................................................................84
3.3.3 Modélisation des charges ............................................................................................84
3.3.3.1 Forme exponentielle : ...........................................................................................85
3.3.3.2 Forme polynomiale...............................................................................................85
3.3.4 Hypothèses de calcul...................................................................................................86
3.3.5 Puissance dans une branche ........................................................................................86
3.3.6 Courant de branche......................................................................................................88
3.3.7 Tension et phase à l’origine d’un nœud ......................................................................89
3.3.8 Test de convergence ....................................................................................................89
vi
3.3.9 Algorithmes de calcul..................................................................................................90
3.4 Résolution du problème d’OPER dans les réseaux de distribution ...................................92
3.4.1 Population et codage ...................................................................................................92
3.4.2 Population initiale .......................................................................................................93
3.4.3 Mécanisme d’évaluation .............................................................................................95
3.4.4 Mécanisme d’évolution...............................................................................................95
3.4.4.1 Sélection des parents.............................................................................................95
3.4.4.2 Recombinaison intermédiaire ...............................................................................96
3.4.5 Algorithme proposé.....................................................................................................97
3.5 Application et résultats.......................................................................................................98
3.5.1 Réseau test IEEE 34 nœuds.........................................................................................99
3.5.2 Réseau DJANET 112 nœuds....................................................................................103
3.6 CONCLUSION................................................................................................................106
CHAPITRE 4 : Optimisation de la planification de l’énergie réactive dans le réseau de

transport et de distribution
4.1 INTRODUCTION ...........................................................................................................107

4.2 État de l’art.......................................................................................................................107
4.3 Formulation du problème.................................................................................................108
4.3.1 Description générale..................................................................................................108
4.3.2 Variables et fonctions objectifs .................................................................................109
4.3.2.1 Variables .............................................................................................................109
4.3.2.2 Fonctions objectifs ..............................................................................................109
4.3.3 Contraintes du système..............................................................................................110
4.4 Méthode du point intérieur...............................................................................................110
4.4.1 Conditions d'optimalité du premier ordre .................................................................113
4.4.2 Résolution par l’étape de newton..............................................................................113
4.5 Application et résultats.....................................................................................................116
4.7 CONCLUSION................................................................................................................121
vii
CHAPITRE 5 : Approche découplée du problème d’OPER : Application sur le réseau
Algérien
5.1 INTRODUCTION ...........................................................................................................122

5.2 Formulation du problème.................................................................................................122
5.2.1 Description générale..................................................................................................123
5.2.2 Sous-problème de la boucle active............................................................................123
5.2.2.1 Variables et fonctions objectifs ..........................................................................123
5.2.2.2 Contraintes du système .......................................................................................124
5.2.2.3 Problème complet ...............................................................................................126
5.2.3 Sous-problème de la puissance réactive....................................................................126
5.2.3.1 Variables et fonctions objectifs ..........................................................................126
5.2.3.2 Contraintes du système .......................................................................................127
5.2.3.3 Problème complet ...............................................................................................130
5.3 Caractéristiques du réseau Algérien 938 nœuds ..............................................................130
5.4 Résultats et Interprétations...............................................................................................131
5.4.1 Problème découplé active..........................................................................................131
5.4.2 Problème découplé réactive ......................................................................................134
5.5 CONCLUSION................................................................................................................139
CONCLUSION GENERALE ..............................................................................................140
BIBLIOGRAPHIE................................................................................................................142
viii
LISTE DES FIGURES
Figure 2.1 : Modèles des générateurs ...................................................................................... 46

Figure 2.2 : Modèles en π des lignes de transport. ................................................................. 46
Figure 2.3 : Modèle des transformateurs. ............................................................................... 47
Figure 2.4 : Modèle d’une charge. ......................................................................................... 48
Figure 2.5 : Modèles des éléments shunt ................................................................................ 49
Figure 2.6 : Schéma équivalent du SVC en régime permanent. ............................................ 49
Figure 2.7: Schéma équivalent du TCSC en régime permanent.............................................. 50
Figure 2.8 : System de deux nœuds. ....................................................................................... 51
Figure 2.9 : Schéma de principe du comportement d’une particule........................................ 54
Figure 2.10 : Organigramme de l’algorithme PSO ................................................................. 56
Figure 2.11 : Organigramme de la méthode GSA................................................................... 59
Figure 2.12 : Organigramme de la méthode PSO-GSA .......................................................... 60
Figure 2.13 : Tension des charges pour le Cas1 avec SVC. .................................................... 64
Figure 2.14 : Tension des charges pour le Cas1 avec TCSC. ................................................. 65
Figure 2.15 : Tension des charges pour le Cas2 avec SVC. ................................................... 66
Figure 2.16 : Tension des charges pour le Cas2 avec TCSC. ................................................. 67
Figure 2.17 : Tension des charges pour le Cas3 avec SVC. ................................................... 68
Figure 2.18 : Caractéristique de convergence de la méthode proposée, PSO, et GSA Pour le
Cas 1 avec SVC. ...................................................................................................................... 70
Cas 1 avec TCSC. .................................................................................................................... 70
Cas 2 avec SVC. ...................................................................................................................... 71
Cas 2 avec TCSC. .................................................................................................................... 71
Cas 3 avec SVC. ...................................................................................................................... 72
Figure 3.1 : Exemple de numérotation d’une ligne radiale. ................................................... 80
Figure 3.2 : Organigramme pour la construction de la matrice BR et du vecteur M .............. 84
Figure 3.3 : Schéma équivalent de la ième branche compensée................................................ 86
ix
Figure 3.4 : Codage du chromosome....................................................................................... 92
Figure 3.5 : Opération de recombinaison ................................................................................ 96
Figure 3.6 : Réseau test IEEE 34 nœuds ............................................................................... 101
Figure 3.7 : Réduction des pertes de puissance active (Réseau test IEEE 34 nœuds). ........ 102
Figure 3.8 : Réduction du coût annuel du réseau test IEEE 34 nœuds.................................. 102
Figure 3.9 : Tension maximale et minimale (Réseau test IEEE 34 nœuds) .......................... 102
Figure 3.10 : Réseau DJANET 112 nœuds ........................................................................... 104
Figure 3.11 : Pertes de puissance active................................................................................ 105
Figure 4.1 : Caractéristique de convergence de la déviation de tension ............................... 119
Figure 4.2 : Caractéristique de convergence des partes actives ............................................ 120
Figure 5.1 : Résultats d’optimisation des pertes actives. ..................................................... 132
Figure 5.2 : Résultats d’optimisation du coût de production ................................................ 132
Figure 5.3 : Caractéristique de convergence du problème des pertes actives. ..................... 133
Figure 5.4:Caractéristique de convergence du problème du coût de production. ................ 134
Figure 5.5 : Caractéristique de convergence du problème du coût de production et des pertes actives. 134
Figure 5.6 : Résultats d’optimisation des pertes actives avec et sans SVC. ........................ 135
Figure 5.7 : Résultats d’optimisation de la déviation de tension avec et sans installation des SVC. ... 136
Figure 5.8 : Caractéristique de convergence de l’application de la 1ère fonction avec et sans
installation des SVC. .............................................................................................................. 138
Figure 5.9 : Caractéristique de convergence de l’application de la 2ème fonction avec et sans
Figure 5.10 : Caractéristique de convergence de l’application de la 3ème fonction avec et sans
x
LISTE DES TABLEAUX
Tableau 1.1 : Caractéristiques typiques des semi-conducteurs de puissance. ........................ 15

Tableau 2.1: Paramètre de réglage des algorithmes. ............................................................. 62
Tableau 2.2:Facteur de pénalité optimal ................................................................................. 62
Tableau 2.3 : Résultats des indices de stabilités ..................................................................... 63
Tableau 2.4 : Emplacements des dispositifs FACTS ............................................................. 63
Tableau 2.5: Réglage des variables de contrôle. .................................................................... 63
Tableau 2.6: Description du réseau test. ................................................................................ 63
Tableau 2.7 : Variables de contrôle pour le Cas1 avec SVC en p.u. ...................................... 64
Tableau 2.8 : Variables de contrôle pour le Cas1 avec TCSC en p.u...................................... 65
Tableau 2.9 : Variables de contrôle pour le Cas2 avec SVC en p.u. ...................................... 66
Tableau 2.10 : Variables de contrôles pour le Cas2 avec TCSC en p.u. ................................ 67
Tableau 2.11 : Variables de contrôles pour le Cas3 avec SVC en p.u. ................................... 68
Tableau 2.12 : Résultats d’optimisation pour le Cas1 avec SVC. ......................................... 69
Tableau 2.13 : Résultats d’optimisation pour le Cas1 avec TCSC. ........................................ 69
Tableau 2.14 : Résultats d’optimisation pour le Cas2 avec SVC. .......................................... 69
Tableau 2.15 : Résultats d’optimisation pour le Cas2 avec TCSC. ........................................ 69
Tableau 2.16: Résultats d’optimisation pour le Cas3 avec SVC. ........................................... 69
Tableau 3.1 : Matrice de connectivité de la ligne de la Figure 1.3 ......................................... 81
Tableau 3.2 : Données des batteries ........................................................................................ 93
Tableau 3.3 : Paramètres de contrôle ...................................................................................... 98
Tableau 3.4 : Choix possibles des tailles des condensateurs et leurs Coûts / kVAr ................ 99
Tableau 3.5 : Paramètres de contrôle ...................................................................................... 99
Tableau 3.6 : Résultats et comparaisons du réseau test IEEE 34 nœuds. ............................ 100
Tableau 3.7 : Résultats et comparaisons du réseau DJANET 112 nœuds ............................ 103
Tableau 4.1 : Résultat de l’indice de stabilité. ..................................................................... 117
Tableau 4.2 : Tailles des dispositifs SVC à installer. ........................................................... 118
Tableau 4.3 : Résultats d’optimisation de la déviation de tension ........................................ 118
Tableau 4.4 : Résultats d’optimisation des partes actives..................................................... 119
Tableau 5.1 : Résultats d’optimisation du problème découplé active................................... 131
xi
Tableau 5.2 : Résultats d’optimisation des pertes actives avec et sans installation des SVC ... 136
Tableau 5.3 : Résultats d’optimisation de la déviation de tension avec et sans installation des SVC. .. 137
Tableau 5.4 : Temps d’exécution en secondes. .................................................................... 137
Tableau 5.5 : Tailles des dispositifs SVC à installer. ........................................................... 137
xii
INTRODUCTION GENERALE
Au cours des dernières années, l’augmentation croissante de la demande d'énergie, les

contraintes également croissantes de la préservation de l'environnement, les difficultés
d'obtention des droits de bâtir ainsi que les coûts relatifs à la construction de nouvelles lignes
et centrales posent de nouveaux défis aux exploitants des réseaux. Elle s'explique en
particulier par les pressions des milieux écologistes et les lenteurs administratives qui rendent
la construction de nouvelles lignes de transport de plus en plus difficile, voire impossible. La
conjugaison de tous ces paramètres fait que le réseau électrique de transport est de plus en
plus sollicité. Les lignes sont parfois proches de leurs limites de fonctionnement et la sécurité
du système ne peut plus être garantie. Si les transits de puissances, régis par les lois de
Kirchhoff, ne sont pas contrôlés, certaines lignes situées sur des chemins privilégiés pourront
être surchargées; ce phénomène est appelé congestion [1-3].
Cette situation a entraîné des recherches intensives. Pour optimiser l'exploitation des
réseaux électriques, et tenter d’atteindre les limites thermiques des lignes [4]. Il faut
également surveiller plusieurs paramètres techniques, dont le niveau de tension : la tension
électrique doit rester dans une plage autorisée en tout point du réseau, dans toutes les
situations de production et de consommation prévisibles. En effet, la tension peut localement
être dégradée, par exemple les jours de forte consommation (dans ce cas, les transits à travers
les lignes du réseau de transport sont importants, ce qui provoque une chute de tension dans
ces lignes). La tension est alors plus basse en bout de ligne qu’en son origine , plus la ligne est
chargée en transit de puissance, plus la chute de tension sera importante. Un réseau dans
lequel la consommation est éloignée de la production, présentera un profil de tension différent
de celui d’un réseau dans lequel production et consommation sont uniformément réparties. Le
fait que la tension ne soit pas identique en tout point du réseau est normal. Cette différence est
compensée par des réglages de tension réalisés dans les postes de transformation. Cela permet
de garantir que la tension reste dans la plage admissible en tout point de livraison. Afin de
maintenir la tension en bout de ligne, on peut installer des moyens dits « de compensation »
(batteries de condensateurs ou des dispositifs électroniques appelés CSPR–Compensateurs
Statiques de Puissance Réactive), qui limitent la chute de tension. Dans ce contexte, il est
intéressant pour le gestionnaire du réseau de disposer d'un moyen permettant de contrôler la
tension et les transits de puissance dans les lignes afin que le réseau de transport existant
puisse être exploité de la manière la plus efficace et la plus sûre possible.
1
De ce fait, l’étude de la planification de l’énergie réactive dans les réseaux de transport et
de distribution est devenue une préoccupation majeure des exploitants et planificateurs de ces
systèmes.
La planification de l’énergie réactive dans le réseau de distribution est généralement

formulée sous forme d'un problème d’optimisation de l’emplacement et de la taille des
batteries de condensateurs. Bien entendu, ces choix doivent être faits de sorte que l’on ait le
moins de pertes de puissance en ligne et une amélioration du profil de la tension tout en ayant
un retour économique positif. Les choix de la fonction objectif sont dictés par le souci de
prendre en compte à la fois l’aspect électrique et économique du problème. La fonction
objectif sur laquelle tous les auteurs ayant traité le problème de l’optimisation de la
compensation de l’énergie réactive est la fonction dite retour économique ou réduction du
coût, qui présente la minimisation des pertes actives et le coût de l'investissement des batteries
de condensateurs. Diverses techniques de placement de condensateur ont été proposées [5,6].
La planification de l’énergie réactive (PER) dans le réseau de transport consiste

essentiellement à répartir la production de puissance réactive. Les moyens les plus utilisés et
les plus performants pour le contrôle des réseaux de transport sont les dispositifs FACTS
(Flexible Alternative Current Transmission Systems). Le développement de ces dispositifs a
ouvert de nouvelles perspectives pour une exploitation plus efficace des réseaux par action
continue et rapide sur les différents paramètres (déphasage, tension, impédance). Ainsi, les
transits de puissance seront mieux contrôlés et les tensions mieux régulées, ce qui permettra
d'augmenter les marges de stabilité de tension ou de tendre vers les limites thermiques des
lignes. Le maintien de l’équilibre entre la production et la consommation nécessite alors une
surveillance permanente du système afin d’assurer la qualité du service (problème de
conduite), garantir sa sécurité (problème de protection) et sa stabilité (problème de réglage).
En plus d’assurer la stabilité et la sécurité des réseaux électriques, les exploitants et les
planificateurs des réseaux électriques, cherchent toujours à optimiser la production d’énergie
électrique, traduite par la réduction des pertes actives [7].
L'objectif de l’optimisation de la planification de l’énergie réactive(OPER) dans le réseau

de transport est de minimiser plusieurs fonctions objectifs telles que les pertes actives de
transport, le transit de puissance, le coût des dispositifs de compensation, et l'écart de
tension,…etc. ou de maximiser la marge de stabilité de tension du réseau, tout en satisfaisant
un certain nombre de contraintes physiques et des limites opérationnelles. Ces derniers
2
comprennent les équations de l’écoulement de puissance, tensions et puissance active et
réactive des générateurs, les limites des transformateurs régleurs en charge, et enfin la taille
des moyens de compensations [8].
Objectifs de la thèse
Le problème de l’OPER dans le réseau de transport et de distribution interconnecté (T &

D) a été peu traité, en partie à cause de la grande dimension de son espace de solution.
L’objectif que nous nous sommes assignés dans ce travail de recherche est de trouver une
nouvelle solution pour le problème de l’OPER dans un réseau T&D interconnecté.
L’objectif est de trouver l’emplacement et, la taille adéquate des moyens de

compensation dans un réseau (T & D) interconnecté. Pour ce faire, ce dernier est divisé en
deux sous-systèmes : sous-système de transport et sous-système de distribution. La solution
proposée est de choisir la meilleure configuration dans les deux sous-systèmes séparément,
qui donne le minimum de pertes actives de transport, du coût des dispositifs de compensation
et le minimum d'écart de tension en satisfaisant les contraintes physiques et les limites
opérationnelles des deux sous-systèmes.
Organisation de la thèse
Dans le premier chapitre, des notions générales sur le problème de la compensation

d’énergie réactive et des moyens de compensation et de réglage de tension, sont présentées.
Les différentes méthodes d’optimisations appliquées dans le domaine de l’OPER existantes
dans la littérature à savoir, les méthodes déterministes et stochastiques sont décrites. Nous
avons aussi présenté d’une manière générale la formulation globale d’un problème d’OPER.
Aussi, les différentes variables d’optimisation, les fonctions objectifs et les contraintes les
plus utilisées dans le domaine sont présentées.
Le deuxième chapitre traite du problème de l’OPER dans le réseau de transport. Un état

de l’art est présenté sur les travaux de recherche associés à ce problème avec l’utilisation des
dispositifs FACTS suivi par la formulation de la méthode de Newton-Raphson pour le calcul
d’écoulement de puissance dans les réseaux de transport. Le problème d’optimisation est
formulé dans ce chapitre avec présentation de la méthode proposée: Hybridation entre la
méthode des particules en essaims (PSO) et la méthode de la recherche gravitationnelle
(GSA). Cette technique est appliquée afin de minimiser les pertes de puissance active, la
stabilité de tension et les coûts des dispositifs FACTS: le compensateur statique de puissance
3
réactive (SVC) et le compensateur série à thyristors (TCSC).Trois indices de stabilité de
tension : FVSI (Fast Voltage Stability Index), Lmn (Line Stability Index) et LPQ (Line
Stability Factor ) ont été utilisés pour définir l’emplacement des dispositifs FACTS. Cette
étude est appliquée sur le réseau Algérien équivalent 114 nœuds.
Le troisième chapitre est consacré au problème de l’OPER dans le réseau de distribution.

Un état de l’art des travaux de recherche associés au problème de l’OPER dans ce réseau a été
présenté. Une étude d’optimisation sur le contrôle de la puissance réactive à l’aide de
condensateurs shunts pour l’amélioration du profil de tension et la réduction des pertes actives
est faite. Le problème d’optimisation est formulé dans ce chapitre et solutionné avec un
algorithme évolutionnaire. Cette dernière a permis de déterminer la taille, le nombre et
l’emplacement optimal des condensateurs shunts. Cette approche a été tout d'abord testée au
réseau IEEE 34 nœuds et comparée avec d’autres techniques présentées par différents auteurs,
puis appliquées au réseau de distribution de Djanet de 112 nœuds.
Au quatrième chapitre, Une approche est développée afin de solutionner le problème de

la compensation d’énergie réactive dans le réseau de Transport et de Distribution (T & D)
interconnecté. Un résumé sur les travaux de recherche récents dans le domaine a été présenté
suivi par la formulation du problème (T & D). Une application sur le réseau Algérien 938
nœuds a été considérée. L’étude a été réalisée afin de minimiser séparément deux fonctions
objectifs qui sont: les pertes de transport et la déviation de tension. La méthode utilisée pour
ce travail est la méthode de point intérieur (MPI). La solution consiste à répartir le réseau
proposé en deux sous-réseaux, qui diffèrent de par les niveaux de tension qui les caractérisent.
Un sous-système de transport avec les niveaux de tension de 90/220/400 kV, et un sous-
système de distribution avec les niveaux de tension de 15/30/60 kV.
Au chapitre 5, une nouvelle approche proposée est appliquée pour l’ensemble du réseau
Algérien 938 nœuds. Une étude de l’écoulement de puissance optimal découplé en un sous-
problème actif (Problème P-θ) et un sous-problème réactif (problème Q-V)) a été réalisée
pour la minimisation du coût de production des générateurs, des pertes actives et de la
déviation de la tension du réseau.
Enfin, ce manuscrit se termine avec une conclusion générale et des perspectives pour les
travaux futurs.
4
Chapitre 1 États de l’art sur l’optimisation de la planification de l’énergie réactive
CHAPITRE 1
États de l’art sur l’optimisation de la
planification de l’énergie réactive
1.1 INTRODUCTION
Lors de la conception ou l’étude de fonctionnement d'un système de transport ou de

distribution, l'ingénieur doit prendre en compte non seulement des besoins en puissances
active des charges, mais aussi le fait qu’elles consomment de l'énergie réactive. En outre, il
est important que les réseaux comprennent des éléments inductifs et capacitifs qui absorbent
ou produisent cette dernière. Différemment à la puissance active, qui est produite et
consommée d'une manière contrôlée seulement en des points spécifiques dans les réseaux, la
puissance réactive est générée et absorbée à travers le réseau a des quantités significatives, qui
varient avec la charge et de la configuration du système.
La croissance de la demande d'énergie, le développement de la concurrence pour la

production de l'énergie, et l’opposition croissante à la construction de nouvelles lignes
électriques aériennes, rendent de plus en plus important d'améliorer l'utilisation des moyens
existants. Cependant, Pour qu’un réseau électrique fonctionne efficacement et en toute
sécurité, l'importance du contrôle correct de la puissance réactive ne peut pas être surestimée.
Il est nécessaire d'examiner les exigences de puissance réactive dans des conditions à la fois
en régime statique et dynamiques.
L’exploitant d’un réseau électrique doit gérer les deux problèmes imbriqués suivants :
tenue de la tension et compensation de l’énergie réactive avec un minimum de pertes actives.
Du point de vue économique, il s’agit d’obtenir le plan de tension le plus stable, afin de
minimiser les pertes joules, tout en tenant compte des limites techniques liées au
dimensionnement du matériel. Pour une configuration du réseau, des moyens de production
donnés, de la consommation variable, il s’agit d’un problème d’optimisation non linéaire avec
contraintes.
5
Il existe beaucoup de méthodes d’optimisation qui sont applicables dans différents

domaines scientifiques. Cependant, beaucoup de ces méthodes ne sont valables que pour
certains types de problèmes. Ainsi, il est important de bien connaître les caractéristiques du
problème posé, afin d’identifier la technique appropriée pour sa résolution.
Ce chapitre donne un aperçu général sur le problème de l’OPER. Des notions générales
sur le phénomène de compensation de l’énergie réactive et du contrôle de la tension se
trouvent au début de ce chapitre. La deuxième phase, est consacrée à la présentation des
différentes méthodes utilisées pour résoudre le problème de l’OPER. La dernière section de ce
chapitre sera consacrée à la formulation globale de ce dernier.
1.2 Généralités sur la compensation de l’énergie réactive

1.2.1 Compensation de l’énergie réactive
Le fonctionnement du réseau dans de bonnes conditions de la qualité, de sécurité et

d'économie implique une maîtrise de l'évolution de son état électrique. Le maintien d'une
tension correcte nécessite des ajustements sur les transformateurs régleurs en charges ou sur
les moyens de production d'énergie réactive.
Théoriquement, si une charge est inductive, elle absorbe de la puissance réactive; si elle
est capacitive, elle fournit de la puissance réactive. Le réseau lui-même peut fournir de la
puissance réactive lorsqu’il est faiblement chargé (du fait des capacités des lignes et des
câbles) ou absorber de la puissance réactive lorsqu’il est fortement chargé (du fait des
inductances des lignes et des transformateurs). Les alternateurs peuvent aussi fournir ou
absorber de la puissance réactive [9].
De même que pour la puissance active, le bilan global de la puissance réactive produite et
consommée dans l’ensemble du système électrique doit être équilibré. Toutefois, l’équilibre
local n’est pas naturel; il en résulte des transits de puissance réactive. Or, ces transits
provoquent des chutes de tension et des pertes qui peuvent dans certains cas en résulter un
risque d'auto dégradation du plan de tension qui peut conduire à un effondrement partiel ou
total du réseau. Il faut donc minimiser ces transits, c’est-à-dire s’arranger pour réaliser, un
équilibre local entre les puissances réactives produites et consommées. En d’autres termes, on
est amené à compenser la puissance réactive. Il est donc clair que le problème du réglage de la
tension, et celui de la compensation de la puissance réactive sont étroitement liés.
6
Examinons de plus près cette dualité existant entre le réglage de la tension sur le réseau
et la compensation de l’énergie réactive, et qui résulte essentiellement d’un compromis
technico-économique.
La tension d’un réseau simplifié se déduit de la tension en un point où elle est fixée par
un alternateur au moyen de l’expression (approximative) de la chute relative de tension :
U RP  XQ
 (1.1)
U U2
Où :
U : Tension aux bornes d’un alternateur.
U : Chute de tension dans la ligne.
R: Résistance de la ligne.
X: Réactance de la ligne.
P : Puissance active.
Q : Puissance réactive.
Dans la pratique, on cherche à exploiter un réseau triphasé (transport ou de distribution) [10]:
 en maintenant les chutes de tension en tout point de ce réseau entre certaines limites
techniques.
 en minimisant les pertes actives dues aux transits des puissances active et réactive. Ces
pertes peuvent s’exprimer sous la forme :
P2  Q2
3RI 2  R (1.2)
U2
Où :
U : Tension aux bornes d’un alternateur.
R : Résistance de la ligne.
P : Puissance active.
Q : Puissance réactive.
I : Courant de ligne.
7
Les expressions (1.1) et (1.2) montrent qu’il est souhaitable d’avoir un plan de tension U
(c’est-à-dire une tension en chaque point du réseau) aussi uniforme que possible et de réduire
les transits de puissance réactive Q.
Pour relever le plan de tension, il faut augmenter l’excitation des alternateurs. Pour
réduire les transits de puissance réactive, il faut compenser localement la consommation
réactive des charges et les pertes réactives des réseaux. Si la compensation était parfaite
(Q = 0), on aurait une chute de tension relative de l’ordre de RP/U2 et des pertes de l’ordre de
RP2/U2. Les pertes croissant peu lorsque Q<P (soit Q2<<P2), il serait souhaitable, afin
d’améliorer la sûreté, de l’exploitation de surcompenser le réseau, c’est-à-dire de fournir une
puissance réactive plus élevée que celle consommée, de façon, par exemple, à annuler la
chute de tension (Q = - RP/X). Dans ce cas, on peut montrer que les pertes augmentent, c’est-
à-dire que le gain sur les pertes dû à l’augmentation de la tension est inférieur à leur
accroissement dû à l’augmentation de Q.
La compensation de l’énergie réactive a pour tâche:

i. Compenser l’énergie réactive.
ii. Réduire les fluctuations de tension et les phénomènes de flicker .
iii. Améliorer le facteur de puissance cosφ.
iv. Équilibrer les charges asymétriques.
v. Améliorer le contrôle de la tension et la stabilité du réseau.
vi. Réduire des pertes actives totales.
vii. Maîtriser la répartition et les transits des puissances.
viii. Améliorer des oscillations de puissance et de tension susceptibles d'apparaître dans les
réseaux à la suite d'un défaut.
ix. Améliorer la stabilité électromécanique des groupes de production.
En analysant la nature de la puissance réactive, on peut conclure que la puissance

réactive est une chose très importante pour les réseaux électriques (en courant alternatif). On
distingue les sources principales et les sources complémentaires (ou secondaire).
i. Les sources principales sont destinées pour la production de la puissance active et la

puissance réactive, ce sont les générateurs des centrales électriques qui produisent ces
puissances.
ii. Les sources complémentaires (ou secondaire) sont des installations électriques
destinées pour la compensation du surplus ou des déficits de la puissance réactive dans
8
les réseaux électriques et pour des différents réglages dans ces régimes de
fonctionnement. Leur puissance installée et leur emplacement sont en relation directe
avec des critères d'ordinaire technique et technico-économique. Les installations
électriques sont installées dans des sous stations directement ou sous formes de
consommateur.
Parmi les moyens de compensations réactives on a:
i. Compensateur synchrone.
ii. Inductance.
iii. Batterie de condensateur.
iv. Dispositifs FACTS.
1.2.2 Réglage de la tension sur les réseaux électriques
De manière schématique, on peut considérer que le plan de tension sur un réseau est
déterminé à partir des valeurs de la tension en un certain nombre de nœuds où l’on dispose de
sources de tension qui permettent de fixer et de respecter une consigne de tension.
Sur le réseau THT, ces nœuds à tension contrôlée correspondent aux postes où sont
raccordés les groupes de production; ceux-ci peuvent en effet maintenir une tension constante
aux bornes de l’alternateur, tout au moins tant qu’ils n’arrivent pas en limite d’excitation. Sur
les réseaux HT, les nœuds à tension tenue sont, d’une part, les nœuds où sont raccordés des
groupes, d’autre part, les secondaires des transformateurs THT/HT dont la tension peut être
maintenue sensiblement constante grâce à l’action des régleurs en charge, tout au moins tant
que ceux-ci n’arrivent pas en butée.
La tension en tout autre nœud du réseau n’est alors que le reflet des chutes de tension
entre le nœud considéré et les nœuds à tension tenue. Sur les réseaux THT et HT, ces chutes
de tension sont dues en grande partie aux transits d’énergie réactive. Le contrôle de la tension
en ces nœuds passe donc par un contrôle de ces transits qui s’obtient par une localisation et
une utilisation appropriée de moyens de compensation de l’énergie réactive tels que des
condensateurs ou des inductances. Ainsi, en règle générale, on s’efforcera de minimiser les
transits d’énergie réactive sur les réseaux de transport, d’une part, en compensant une grande
partie de la consommation réactive des charges grâce à des condensateurs installés dans les
postes HT/MT, d’autre part, en compensant les pertes ou productions réactives dans les
9
ouvrages (lignes, câbles, transformateurs) à l’aide des groupes ou de moyens spécifiques,

telles des inductances raccordées au réseau THT.
On met ainsi en évidence l’imbrication des problèmes de tenue de tension et de

compensation de l’énergie réactive sur les réseaux de transport.
Le problème posé à chaque instant à l’exploitant de ces réseaux présente un double

aspect : d’une part, il faut fixer les valeurs de la tension aux nœuds à tension tenue; d’autre
part, gérer les moyens de compensation de façon à obtenir aux autres nœuds des tensions
compatibles avec les objectifs visés.
Sur le plan économique, en l’absence de clients raccordés directement, l’objectif est

d’obtenir le plan de tension le plus haut possible afin de réduire les pertes Joule et donc de
minimiser les coûts d’investissement et d’exploitation.
Sur le plan technique, il existe des contraintes qu’il convient de respecter et qui se
traduisent par des valeurs maximales ou minimales de la tension admissible en chaque nœud.
L’établissement du plan de tension, pour une configuration du réseau et un niveau de

charge donnés, se présente donc sous la forme d’un problème d’optimisation avec contraintes.
L’optimum est, dans la pratique, difficile à atteindre, en raison des fluctuations de la demande
d’énergie réactive dans le temps et des événements imprévus (indisponibilités de lignes ou de
groupes par exemple) qui peuvent survenir sur le réseau; un ajustement permanent des
consignes de tension ou de la gestion des moyens de compensation est donc nécessaire. Il est
réalisé grâce à un ensemble de moyens dont la mise en œuvre est coordonnée au sein des
réglages primaire et secondaire de tension [9].
1.2.3 Phénomène d’instabilité de la tension
Le phénomène d’instabilité de tension est dû au fonctionnement des régleurs en charge

lorsque la tension du réseau descend au-dessous d’une certaine valeur appelée tension
critique. Il se produit, lorsque le réseau est très chargé, et que son fonctionnement est proche
de la limite de puissance transmissible. La cause principale de ce phénomène est une
insuffisance du réseau en moyens de tenue de tension et de compensation d’énergie réactive à
la suite d’incidents ou de variations brusques de la consommation (montée de la charge).
Viser un plan de tension élevé et bloquer éventuellement le fonctionnement des régleurs de
charge permettent d’éviter en exploitation le processus d’écroulement de la tension.
10
Selon l’amplitude de la perturbation, on distingue la stabilité de tension de petites

perturbations et celle de grandes perturbations [9] [11].
1.2.3.1 Stabilité de tension vis-à-vis des petites perturbations
La stabilité de tension de petites perturbations concerne la capacité du réseau électrique à

maintenir la tension dans les limites permises en présence de perturbations telles que : une
variation faible de la charge, de la production,…etc.
1.2.3.2 Stabilité de tension vis-à-vis des grandes perturbations
Elle est définie comme la capacité du réseau électrique à maintenir les tensions des
nœuds dans les limites de fonctionnement permises en présence des grandes perturbations à
savoir la perte d’équipement de transport ou de production, le court-circuit,…etc. [11].
1.2.4 Moyens de compensation de l’énergie réactive et de réglage de la tension
Le réseau en lui- même est une source non négligeable de puissance réactive. Ainsi, en
dehors de la production de l’énergie réactive par les générateurs, le réseau doit faire appel à
d’autres sources ou plutôt d’autres moyens de compensation, qui finalement sont au moins
aussi souvent consommateurs que fournisseurs d’énergie réactive.
1.2.4.1 Les compensateurs synchrones
Les compensateurs synchrones sont des machines tournantes, bien situés pour satisfaire
les besoins en énergie réactive. D'autant plus, leurs performances dynamiques leurs
permettent de faire face aux fluctuations brusques de la demande. En revanche, ils ne peuvent
compenser que partiellement les charges réactives, en raison des chutes de tension
importantes que créent les transits d'énergie réactive sur les réseaux. Et comme pour les
groupes générateurs, la fourniture de puissance réactive est limitée par l’échauffement des
enroulements et l’absorption par des problèmes de stabilité statique. Ces appareils ont des
possibilités variant entre 20 et 60 MVars en fourniture, 10 et 30 MVars en absorption, et sont
le plus souvent branchés sur le tertiaire d’un transformateur THT/HT [9].
1.2.4.2 Groupes thermiques et hydrauliques
Ils jouent un rôle essentiel dans le contrôle de la tension et la compensation de l’énergie

réactive; ils constituent en effet les sources de tension du réseau grâce à la force
électromotrice de l’alternateur; ils peuvent de plus échanger des quantités importantes
11
d’énergie réactive avec le réseau; enfin, ils ont de bonnes performances sur le plan
dynamique.
Les groupes sont donc bien situés pour satisfaire les besoins en compensation d'énergie
réactive des réseaux de transport, d’autant plus que leurs performances dynamiques
(modification de la production réactive en quelques dixièmes de seconde) leur permettent de
faire face aux fluctuations brusques de la demande observées sur ces réseaux.
En revanche, ils ne peuvent compenser que partiellement les charges réactives en raison
des chutes de tension importantes que créent les transits d’énergie réactive sur les réseaux de
transport.
1.2.4.3 Les condensateurs
Ils ont pour rôle de fournir une partie de l’énergie réactive consommée par les charges
dans le réseau. On distingue deux types :
1. Des batteries de condensateurs HT, raccordées aux jeux de barres HT des postes THT/HT.
2. Elles sont essentiellement destinées à compenser les pertes réactives sur les réseaux HT et
THT.
3. Des batteries de condensateurs MT, raccordées aux jeux de barres MT des postes HT/MT
ou THT/MT. Ces batteries servent à compenser l’appel global de l’énergie réactive des
réseaux de distribution aux réseaux de transport. Elles sont localisées et dimensionnées
individuellement en fonction du réglage de tension.
1.2.4.4 Inductances
Elles sont utilisées pour compenser l’énergie réactive fournie en heures creuses par les
lignes à très haute tension ou par les réseaux de câbles. Elles sont soit directement raccordées
au réseau (on dispose d’éléments de 100 MVars raccordés au réseau 400 kV), soit branchées
sur les tertiaires des transformateurs 400/225 kV (éléments de 64 MVars raccordés à 20 kV).
1.2.4.5 Compensateurs statiques
Appelés ainsi parce qu’ils ne comportent aucun élément tournant, sont constitués par
l’ensemble de condensateurs et d’inductances commandées par thyristors, montés en tête-
bêche dans chaque phase. Chacun d’entre eux étant ainsi conducteur pendant une demi-
période. Différentes combinaisons sont possibles. L’une des plus utilisées consiste à associer
une inductance commandée par thyristors à des gradins de condensateurs commandés
12
manuellement. La puissance réactive absorbée par l’inductance varie en contrôlant la valeur

efficace du courant qui la traverse par action sur l’angle d’amorçage des thyristors.
Dans le cas des batteries de condensateurs, les thyristors commandent la mise en service
des différents gradins, et la puissance réactive fournie varie par palier.
Les compensateurs statiques ont de bonnes performances dynamiques (temps de réponse

de quelques dixièmes de seconde); ils peuvent donc être utilisés pour le réglage de la tension,
en particulier dans les zones éloignées des centres de production.
1.2.4.6 Les dispositifs FACTS
Selon l'IEEE (Institute of Electrical and Electronics Engineers), la définition du terme

FACTS est la suivante: Systèmes de Transmission en Courant Alternatif comprenant des
dispositifs basés sur l'électronique de puissance et d'autres dispositifs statiques utilisés pour
accroître la contrôlabilité et augmenter la capacité de puissance du réseau.
Avec leurs aptitudes à modifier les caractéristiques apparentes des lignes, les FACTS sont
capables d'accroître la capacité du réseau dans son ensemble en contrôlant les transits de
puissances. Il est donc important de souligner que les dispositifs FACTS ne peuvent pas
augmenter la capacité thermique des lignes de transport. En revanche, ils permettent d'utiliser
les lignes plus proches de cette limite en repoussant d'autres limitations, en particulier celles
liées à la stabilité.
Finalement, il faut noter que les FACTS ne remplacent pas la construction de nouvelles
lignes. Ils sont un moyen de différer les investissements en permettant une utilisation plus
efficace du réseau existant [13].
1.2.4.6.1Rôles des dispositifs FACTS
Le développement des dispositifs FACTS est essentiellement dû aux progrès réalisés dans
le domaine des semi-conducteurs de puissance et plus particulièrement des éléments
commandables tels que le thyristor et le thyristor GTO. Les FACTS représentent une
alternative aux dispositifs de réglage de puissance utilisant des techniques passives: bobine
d'inductance et condensateur enclenchés par disjoncteur, transformateur déphaseur à régleur
en charge mécanique, etc. Dans les dispositifs FACTS, les interrupteurs électromécaniques
sont remplacés par des interrupteurs électroniques. Ils disposent ainsi de vitesses de
commande très élevées et ne rencontrent pas les problèmes d'usure de leurs prédécesseurs. De
13
ce fait, les FACTS possèdent une très grande fiabilité et une flexibilité pratiquement sans
limite.
Dans un réseau électrique, les FACTS permettent de remplir des fonctions tant en
régimes stationnaires qu'en régimes transitoires. Ils agissent généralement en absorbant ou en
fournissant de la puissance réactive, en contrôlant l'impédance des lignes ou en modifiant les
angles des tensions. En régimes permanents, les FACTS sont utilisés principalement dans les
deux contextes suivants:
i. Le maintien de la tension à un niveau acceptable en fournissant de la puissance réactive

lorsque la charge est élevée et que la tension est trop basse, alors qu'à l'inverse ils en
absorbent si la tension est trop élevée;
ii. Le contrôle des transits de puissances de manière à réduire, voire supprimer, les
surcharges dans les lignes ou les transformateurs ainsi que pour éviter des flux de
bouclage dans le réseau. Ils agissent alors en contrôlant la réactance des lignes et en
ajustant les déphasages.
Les dispositifs FACTS peuvent aussi être utilisés pour la symétrisation de lignes de
transport afin d'accroître leur capacité [14].
1.2.4.6.2 Classification des dispositifs FACTS
Depuis les premiers compensateurs, trois générations de dispositifs FACTS ont vu le

jour. Elles se distinguent par la technologie des semi-conducteurs et des éléments de
puissance utilisés.
i. La première génération est basée sur les thyristors classiques. Ceux-ci sont généralement
utilisés pour enclencher ou déclencher des composants afin de fournir ou absorber de la
puissance réactive. Ils servent également au remplacement du changeur de prises en
charge mécanique dans les transformateurs de réglage.
ii. La deuxième génération, dite avancée, est née avec l'avènement des semiconducteurs de
puissance commandables à la fermeture et à l'ouverture, comme le thyristor GTO. Ces
éléments sont assemblés pour former des convertisseurs de tension ou de courant afin
d'injecter des tensions contrôlables dans le réseau.
iii. Une troisième génération de FACTS utilisant des composants hybrides et qui est adaptée à
chaque cas. Contrairement aux deux premières générations, celle-ci n'utilise pas de
14
dispositifs auxiliaires encombrants tels que des transformateurs pour le couplage avec le
réseau [15].
Le Tableau 1.1 résume les caractéristiques techniques de quelques éléments semi-

conducteurs disponibles à l'heure actuelle sur le marché.
Tableau 1.1 : Caractéristiques typiques des semi-conducteurs de puissance.
Une autre classification basée sur le mode de couplage peut être réalisée. Selon ce critère,
trois familles de dispositifs FACTS peuvent être mises en évidence:
i.les dispositifs shunt connectés en parallèle dans les postes du réseau.

ii.les dispositifs série insérés en série avec les lignes de transport.
iii.les dispositifs combinés série-parallèle qui recourent simultanément aux deux
couplages.
i. Dispositifs FACTS shunt
1) À base de thyristors:
 TCR (Thyristor Controlled Reactor) [16].
 TSC (Thyristor Switched Capacitor) [16].
 SVC (Static Var Compensator) [17] [18].
2) À base de thyristors GTO :
 STATCOM (Static Compensator) [19] [20].
ii. Dispositifs FACTS série
1) À base de thyristors:
 TCSR (Thyristor Controlled Series Reactor) [21]
 TCSC (Condensateur série commandé par thyristors) [21]
15
 TSSR (Thyristor Switched Series Reactor) [22].

2) À base de thyristors GTO :
 SSSC (Static Synchronous Series Compensator)
iii. Compensateurs hybrides série – parallèle:
 TCPAR ( Thyristor Controlled Phase Angle Regulator) [23].
 TCPST (Thyristor Controlled Phase Shifting Transformer) [24].
 TCVR (Thyristor Controlled Voltage Regulator) [24].
 IPFC (Interline Power Flow Controller) [19].
 UPFC (Unified Power Flow Controller) [25].
1.3 Optimisation de la planification de l’énergie réactive (OPER)

1.3.1 Généralités sur l’optimisation
Les ingénieurs se heurtent quotidiennement à des problèmes technologiques de

complexité grandissante, qui surgissent dans des secteurs très divers, comme dans, la
conception de systèmes mécaniques, le contrôle des machines électriques, la planification et
l’exploitation de l’énergie réactive,… etc. Le problème à résoudre peut fréquemment être
exprimé sous la forme générale d’un problème d’optimisation, dans lequel on définit une
fonction objectif, ou fonction Coût, que l’on cherche à minimiser (ou maximiser) par rapport
à tous les paramètres concernés. La définition du problème d’optimisation est souvent
complétée par la donnée de contraintes : tous les paramètres (ou variables de décisions) de la
solution proposée doivent respecter ces contraintes, faute de quoi la solution n’est pas
réalisable.
Il existe beaucoup de méthodes d’optimisation qui sont applicables dans différents

domaines scientifiques. Cependant, beaucoup de ces méthodes ne sont valables que pour
certains types de problèmes. Ainsi, il est important de bien connaître les caractéristiques du
problème posé, afin d’identifier la technique appropriée pour sa résolution.
Ces méthodes peuvent être classées en différentes catégories à savoir mono-objectif et

multi-objectif, linéaire et non linéaire ou déterministe et stochastique et déterministe et
stochastique. En effet, pour notre travail nous avons choisi la troisième classification qui se
base sur la façon dont les algorithmes explorent l’espace de recherche.
16
Un problème de l’optimisation est décrit par [26] :
 Min (orMax)  f n ( X ) X  ( X i )i 1..P , n  1... N


 X min i  X i  X max i 1 i  P
 (1.3)
g j ( X )  0 1  j  M
h ( X )  0 1  k  L
 k
fa : Fonction objectif. gi : Contraintes d’égalités.

N : Nombre des fonctions objectifs. M : Nombre des contraintes d’égalités.
X : Variables d’optimisations. hi : Contraintes d’inégalités.
P : Nombre des variables d’optimisations. L : Nombre des contraintes d’inégalités.
1.3.2 Méthodes d’optimisation déterministes
Ces méthodes conduisent, pour une solution initiale donnée toujours au même résultat
final. Pour trouver l’optimum, elles s’appuient sur une direction de recherche qui peut être
fournie par les dérivées de la fonction objectif. Elles ont la réputation d’être efficaces lorsque
la solution initiale est proche de l’optimum recherché. Cette particularité constitue un
inconvénient majeur dans le cas d’une fonction objectif possédant plusieurs optimums, elles
peuvent en effet, convergées vers un optimum local [27] [12].
On peut distinguer deux sous-classes dans ces approches :
1. Méthodes directes ou sans gradient : ces méthodes n’utilisent que les valeurs de la
fonction objectif et des contraintes. Elles sont peu précises et convergent très lentement
vers l’optimum local [28] - [29].
2. Méthodes de type gradient: elles utilisent la valeur du gradient des fonctions objectif et
des contraintes comme une direction dans l’espace de recherche. Donc la vitesse de
convergence est rapide. Ces méthodes sont puissantes pour résoudre les problèmes
purement analytiques [30], mais elles dépendent forcement de la qualité de calcul du
gradient [31]. En plus, un inconvénient important de méthodes indirectes est qu’elles
peuvent être facilement piégées par un optimum local.
Dans la littérature, nous trouvons de nombreuses méthodes d’optimisation déterministes.

Il est possible de classer ces méthodes en deux grandes catégories: programmation linéaire et
programmation non-linéaire.
17
Le premier groupe traite de la résolution de problèmes parfaitement représentés par un

système d’équations linéaires tandis que la programmation non-linéaire traite les problèmes
non-linéaires. Les méthodes déterministes sont basées sur le calcul de la dérivée du problème,
ou sur des approximations de cette dernière. Elles nécessitent donc quelques informations sur
le vecteur gradient.
Beaucoup de techniques d'optimisation classiques telles la programmation linéaire et non

linéaire [32], la méthode de gradient [33], la méthode de newton [34], la programmation
quadratique [35-36], et la méthode du point intérieur [36-37] ont été appliquées pour résoudre
le problème d’optimisation lié à la planification et le control des réseaux électriques, en
particulier l’optimisation de la puissance réactive. Ces méthodes ayant la propriété de
converger vers la solution mathématique exacte « réelle » tout en respectant certaines
conditions liées au bon fonctionnement du processus envisagé, ces dernières sont appelées
contraintes d’égalités et d’inégalités.
1.3.2.1 Méthode du gradient
Historiquement, les méthodes de gradient sont les plus anciennes. Elles permettent de
résoudre des problèmes non linéaires et sont basées sur une hypothèse forte sur la
connaissance de la dérivée de la fonction objectif en chacun des points de l’espace [33].
Cette méthode peut être classée en deux catégories de premier ordre et de deuxième
ordre, le premier ordre basé sur une approximation linière en séries de Taylor avec
initialisation de gradient, et le deuxième ordre base sur l’approximation quadratique en séries
de Taylor avec initialisation de gradient en utilisant l’Hessien H.
On choisit un point de départ x0 et on calcule le gradient ∇f (x0) en x0. Comme le gradient

indique la direction de plus grand augmentation de f, on se déplace d’une quantité λ0 dans le
sens opposé au gradient et on définit le point x1:
f ( x0 )
x1  x1  1 (1.4)
f ( x0 )
Cette procédure est répétée et engendre les points x0, x1, xk Ainsi, pas à pas, la distance
ente le point d’indice k et l’optimum diminue.
18
f ( xk )
xk 1  xk  k ou k , k  0 (1.5)
f ( xk )
0 C’est le déplacement à chaque itération.
Si k est fixé, on parle de méthode de gradient à pas prédéterminé. L'inconvénient de cette

procédure est que la convergence est très dépendante du choix du pas de déplacement. La
convergence peut être très lente si le pas est mal choisi. L'intérêt principal de cette méthode
est de pouvoir se généraliser aux cas de fonctions ne sont pas différentiables.
1.3.2.2 Méthode de Newton
La méthode de Newton est une méthode très puissante à cause de sa convergence rapide,
en particulier si l’estimation initiale de la solution x(0) est suffisamment proche de la solution
optimale x(*). L’idée de cette méthode est de minimiser, à chaque itération k, une
approximation quadratique de la fonction objectif originale f(x) au voisinage de l’estimation
actuelle de la solution x(k). L’approximation quadratique de f(x) est obtenue à partir du
développement en série de Taylor à l’ordre 2 [34, 38].
T
f ( x ( k 1) )  f ( x ( k ) )   f ( x ( k ) )   x ( k 1)  
1 T (1.6)
 x ( k 1)    2 f ( x ( k ) )  x ( k 1)  
T
2  
7T Ou: F: Rn→Rnest régulière (au moins différentiable). On cherche donc x(*) tel que F(x)= 0.
7T
Pour toute i= 1,….n.
1.3.2.3 Programmation dynamique
La programmation dynamique est une technique classique de conception d’algorithmes

pour résoudre des problèmes en temps polynomial. L’idée générale est de résoudre un
problème en utilisant des solutions à des sous-problèmes précédemment résolus. Pour ce faire,
la programmation dynamique applique une approche dite « du bas vers le haut », c’est-à-dire
qu’on commence par résoudre les sous-problèmes les plus petits, et donc les plus faciles, pour
ensuite résoudre des problèmes de plus en plus grands, jusqu’à finalement déterminer une
solution du problème initial. Bien souvent, comme la programmation dynamique nécessite de
19
stocker les solutions de tous les sous-problèmes résolus, il est également nécessaire de
disposer d’un espace exponentiel [39].
1.3.2.4 La méthode du point intérieur
Méthode du point intérieur (IPM), comme l'une des méthodes les plus efficace, a été
étendu à résoudre différents types de problèmes d'optimisation dans le domaine des réseaux
électriques. À l’origine, les méthodes de type « Point Intérieur » ont été conçues pour
résoudre les problèmes de programmation non linéaire. Une caractéristique intéressante des
méthodes du point intérieur est leur faculté à traiter les inégalités non linéaires sans recourir à
une identification de l’ensemble des contraintes actives, comme dans les méthodes de
Newton. Des recherches plus approfondies sur ces méthodes ont montré qu’elles donnaient de
très bonnes performances en termes de vitesse de convergence pour les problèmes de grande
échelle [36-37].
1.3.2.5 La technique de programmation quadratique
La programmation quadratique est une classe spéciale de la programmation non linéaire

où la fonction objectif est une approximation quadratique avec des contraintes linéaires ou
linearisé. Ces techniques utilisent les dérivées du deuxième ordre pour améliorer la vitesse de
convergence ainsi que la procédure quasi- Newtonienne, ou une approximation du Hessien est
faite. Cependant, dans les méthodes quasi- Newtoniennes la matrice Hessienne réduite
construite itérativement est une matrice pleine, ce qui peut rendre ces méthodes trop lentes si
le nombre de variables est important [35].
1.3.2.6 Méthodes de Programmation quadratique séquentielles
Cette technique est également connue sous le nom de séquentielles, ou récursives, la

programmation quadratique, utilisent la méthode de Newton (ou les méthodes quasi-
newtoniennes) pour résoudre directement les conditions de Karush-Kuhn-Tucker (KKT) [40]
pour un problème donnée, elle est développée par Schictkowski en 1983[40], est une
méthode de programmation non-linéaire. Elle a été reconnue comme étant une des méthodes
les plus efficaces pour résoudre des problèmes d'optimisation avec contraintes de taille petite
et moyenne. Comme son nom le suggère, la méthode PQS trouve la solution optimale par une
séquence de problèmes de programmation quadratique. À chaque itération, une approximation
quadratique de la fonction objectif et des approximations linéaires des contraintes sont
utilisées.
20
1.3.3 Méthodes d’optimisations stochastiques
Ces algorithmes, nécessitent ni point de départ, ni la connaissance de gradient de la

fonction objectif, pour atteindre la solution optimale. Elles explorent l’espace de recherche
grâce, en partie, à des mécanismes de transition aléatoires. Avec le même point initial, deux
optimisations successives peuvent produire un résultat diffèrent : ces algorithmes n’ont donc
pas un fonctionnement déterministe. Cependant elles demandent un nombre important
d’évaluations de la fonction objectif en comparaison avec les méthodes déterministes
exploitant la dérivée de la fonction objectif [41].
L’arrivée d’une nouvelle classe de méthodes d’optimisation stochastiques, nommées

méthaheuristiques, marque une grande révolution dans le domaine de l’optimisation. En effet,
celles-ci s’appliquent à toutes sortes de problèmes combinatoires, et elles peuvent également
s’adapter aux problèmes continus.
Ces méthodes permettent de trouver une solution de bonne qualité en un temps de calcul
en général raisonnable, sans garantir l’optimalité de la solution obtenue. Ces méthodes sont
avantageusement utilisées pour la résolution des problèmes de grande taille. Les méthodes
heuristiques peuvent êtres divisées en deux classes. Il y a, d’une part, les algorithmes
spécifiques à un problème donné qui utilisent des connaissances du domaine, et d’autre part
les algorithmes généraux qui peuvent être utilisés pour une grande variété de problèmes.
Les méthodes métaheuristiques, sont apparues, à partir des années 1980 [34], avec une
ambition commune : résoudre au mieux les problèmes d’optimisation difficiles. Elles ont en
commun, les caractéristiques suivantes :
1. Elles sont, au moins pour une partie, stochastiques: cette approche permet de faire
face à l’explosion combinatoire des possibilités.
2. Elles sont d’origine combinatoire: elles ont l’avantage, décisif dans le cas continu,
d’être directes, c'est-à-dire qu’elles ne recourent pas au calcul, souvent
problématique, des gradients de la fonction objectif.
3. Elles sont inspirées par des analogies : avec la physique (recuit simulé, diffusion
simulée, etc.), avec la biologie (algorithme génétiques, recherche tabou, etc.) ou avec
l’éthologie (colonies de fourmis, essaims de particules, etc.).
21
4. Elles sont capables de guider, dans une tache particulière, une autre méthode de
recherche spécialisée (par exemple, une autre heuristique, ou une méthode
d’exploration locale).
5. Elles partagent aussi les mêmes inconvénients : les difficultés de réglage des
paramètres mêmes de la méthode, et le temps de calcul élevé.
1.3.3.1 Algorithmes Génétiques
Les algorithmes génétiques (GA) sont une méthode d’optimisations stochastiques basées
sur les mécanismes de la sélection naturelle [42], [43].La solution optimale est cherchée à
partir d’une population de solutions en utilisant des processus aléatoires. La recherche de la
meilleure solution est effectuée en créant une nouvelle génération de solutions par application
successive, à la population courante, de trois opérateurs : la sélection, le croisement, et la
mutation. Ces opérations sont répétées jusqu’à ce qu’un critère d’arrêt soit atteint.
1.3.3.2 Essaims de Particules
L’optimisation par essaim de particules PSO (Particle Swarm Optimization) est une
technique d’optimisation parallèle développée par Kennedy et Eberhart [44]. Elle est inspirée
du comportement social des individus qui ont tendance à imiter les comportements réussis
qu’ils observent dans leur entourage, tout en y apportant leurs variations personnelles. A la
différence des algorithmes génétiques, qui miment les mécanismes génétiques de l’évolution,
PSO s’inspire plutôt de la formation d’une culture. Dans l’ouvrage [45], se trouvent les
racines sociales de PSO ainsi que les techniques mathématiques mises en œuvre pour la
modélisation.
1.3.3.3 Recuit Simulé
Le recuit simulé est une version améliorée de la méthode d'amélioration itérative. Il a été
proposé en 1983 par « Kirkpatrick » [46] pour la résolution des problèmes d'optimisation.
Elle est inspirée du processus de recuit utilisé en métallurgie pour améliorer la qualité d’un
solide en cherchant un état d’énergie minimum. Le métal est tout d’abord chauffé à une
température élevée à laquelle il devient liquide, puis refroidi de manière progressive pour
retrouver sa forme solide. Chaque température est maintenue jusqu'à ce que la matière
atteigne un équilibre thermo hydraulique. La méthode du recuit simulé, appliquée aux
problèmes d’optimisation, considère une solution initiale et recherche dans sont voisinage une
22
autre solution de façon aléatoire. Au début de l’algorithme un paramètre T apparenté à la

température, est déterminé et décroît tout au long de l’algorithme pour tendre vers 0. De la
valeur de ce paramètre va pondre la probabilité d’acceptation des solutions détériorées.
1.3.3.4 Recherche Taboue
La Recherche Tabou est une technique heuristique dont les principes ont été proposés
pour la première fois par « Fred Glover en 1986 » [47], et elle est devenue très classique en
optimisation. Elle n’a aucun caractère stochastique et utilise la notion de mémoire pour éviter
de tomber dans un optimum local, le principe de l’algorithme est le suivant ; à chaque
itération, le voisinage de la solution est sélectionnée, en appliquant le principe, la méthode
autorise de remonter vers des solutions qui semblent moins intéressants mais qui ont peut être
un meilleure voisinage. Pour éviter les phénomènes de cyclage entre deux solutions, la
méthode à l’interdiction de visiter une solution récemment visitée, pour cela une liste tabou
contenant les attributs des dernières solutions considérées est tenue à jour. Chaque nouvelle
solution considérée enlève de cette liste la solution la plus anciennement visitée. Ainsi, la
recherche de la solution suivante se fait dans le voisinage de la solution actuelle sans
considérer les solutions appartenant à la liste taboue.
1.3.3.5 Stratégies d’Évolution
Développées par Rechenberg et Schwefel en 1965 [48], elles utilisent une mutation avec
une distribution normale pour modifier les individus présentés comme des vecteurs de valeurs
réelles. La mutation et le croisement sont les deux opérateurs de recherche dans l’espace des
solutions potentielles et l’espace des paramètres de stratégies. La sélection peut être
déterministe ou stochastique.
1.3.3.6 Programmation Évolutionnaire
Développée par J. Fogel en 1962 [49] qui a utilisé la mutation comme seul opérateur de
recherche. Appliquée aux problèmes d’optimisation continue, la programmation
évolutionnaire (Evolutionary Programming) est similaire aux Stratégies d’Évolution, tous
deux représentant les individus avec des vecteurs de valeurs réelles incluant les paramètres de
stratégie. Elle utilise une mutation de distribution normale et une sélection déterministe ou
stochastique.
23
1.3.3.7 La méthode de colonie de fourmis
La méthode de colonie de fourmis s’inspire du comportement des colonies de fourmis

réelles [50]. La méthode se caractérise par la combinaison d’une approche de construction et
des mécanismes d’apprentissage fondés sur la mémorisation. Le principe de cette méthode est
le suivant : Malgré la vision très limitée de chaque fourmi, une colonie de fourmis parvient à
minimiser la longueur du chemin conduisant à une source de nourriture, grâce aux traces
chimiques (phéromones) laissées par chacune des fourmis.
Un principe analogue a été utilisé pour traiter des problèmes d'optimisation. La méthode
consiste à réitérer un algorithme de construction (assimilé à l'action d'une fourmi) dans lequel
chacun des choix est déterminé en tenant compte à la fois de la nature aléatoire du
mouvement d’une fourmi et des traces laissées par les fourmis précédentes. Ainsi, une fourmi
qui a emprunté une arête incite les fourmis suivantes à emprunter cette même arête à leur tour.
1.3.4 Formulation du problème de planification d’énergie réactive
La répartition optimale des sources d’énergie réactive, telles que les batteries de
condensateurs, ou dispositif FACTS, est un élément essentiel dans la planification de
l’énergie réactive (PER). Traditionnellement, les endroits pour placer de nouvelles sources
réactive ont été soit tout simplement estimés ou assumées directement. Des recherches
récentes ont présenté des méthodes rigoureuses basées sur l'optimisation pour répondre au
problème de l’OEPR. En raison de la complexité des fonctions objectifs, les contraintes et les
algorithmes de résolution, ce problème est identifié comme l'un des problèmes les plus
difficiles dans les réseaux électriques.
Le rôle de la planification de l’énergie réactive dans un réseau électrique est la répartition

de la production de l’énergie réactive. L'objectif est de minimiser plusieurs fonctions objectifs
telles que les pertes active de transmission, le transit de puissance, le coût des dispositifs de
compensation, et la deviation de tension, etc. ou de maximiser la marge de stabilité de tension
du réseau, tout en satisfaisant un certain nombre de contraintes physiques et des limites
opérationnelles. Ces derniers comprennent les équations de l’écoulement de puissance active
et réactive du générateur, les limites inférieures et supérieures des rapports de transformation
des transformateurs à prises, sorties de condensateurs ou des inductances shunt et les tensions
des générateurs.
24
Les hypothèses ci-dessous sont considérées lors de la formulation du problème de

planification d’énergie réactive dans la littérature.
• Le système est équilibré.
• La puissance active et réactive à la fréquence fondamentale.
• La taille des dispositifs de compensations est traitée comme :
 Variable continue ou discrète pour les dispositifs FACTS ou des batteries

automatiques.
 Variable discrète pour les batteries fixes.
Un résumé sur les différentes fonctions objectifs, variables, et contraintes trouver dans la
littérature est présenté comme suit :
1.3.4.1 Variables
La formulation de l’OPER nécessite des variables pour représenter l'état électrique du

système. Ces variables sont les variables d’états et de contrôles.
Les variables d'état de choix sont l’amplitude de tension nodale, l'angle de la tension
nodale, et des injections de puissance active et réactive sur chaque générateur
Les Variables de contrôle comprennent généralement un sous-ensemble de variables

d'état (la tension des nœuds de production) ainsi que des variables représentant des
paramètres des dispositifs de contrôles, tels que les transformateur à prise réglable. Les
variables de contrôle peuvent être continues ou discrètes.
Résumé des variables dans la littérature

1- Variable de contrôle
 La production d'énergie active et réactive.
 Amplitude de tension du bus régulée.
 Réglages de prise de transformateur.
 Transformateurs déphaseurs.
 Dispositifs réactifs shunt.
 Dériver des dispositifs réactifs.
 Contrôle des FACTS.
25
2- Variable d’états
 Amplitude de tension nodale.
 L'angle de phase de la tension nodale
 Écoulement de puissance du réseau.
 Courants des lignes.
 Puissance du nœud de référence.
 Puissance réactive de sortie du générateur.
1.3.4.2 Fonctions objectifs
L'objectif le plus courant du problème de l’OPER est la minimisation des coûts des
dispositifs de compensation, avec ou sans tenir compte des pertes du système. D'autres
objectifs peuvent être possibles pour minimiser la déviation d'une variable de commande
(telles que la tension) ou pour optimiser la marge de stabilité en tension.
Résumé des fonctions objectifs dans la littérature

 Pertes totales du réseau.
 Perte de puissance active et réactive.
 La capacité de transfert de puissance.
 Coût de l'investissement des dispositifs de compensation.
 Profil de tension optimale.
 Capacité de charge du système.
 Marge de stabilité en tension.
1.3.4.3 Contraintes
Les contraintes de l’OPER peuvent être classées dans des contraintes d'égalité et des
contraintes d'inégalité. Les contraintes d'égalité comprennent les équations de l’écoulement
de puissances et d'autres contraintes d'équilibre. Les contraintes d'inégalité représentent les
limites techniques du réseau, des générateurs et des charges, et les limites opérationnelles
des dispositifs de compensations :
Résumé des contraintes dans la littérature

1- Contraintes d’égalités
 Écoulement de puissance AC.
 Écoulement de puissance AC découplé.
 Écoulement de puissance DC.
26
2- Contraintes d’inégalités
 Limites actifs et réactifs de production d'électricité.
 Contraintes de la demande d’énergie.
 Limites de tension nodale.
 Limites de courant des branches.
 Limites de contrôle.
 Sécurité transitoire.
 Stabilité transitoire.
1.4 CONCLUSION
Dans ce chapitre nous avons présenté une introduction générale du problème de la
planification de l’énergie réactive et des moyens de compensation et de réglage de tension, en
même temps ce chapitre présente succinctement les différentes méthodes d’optimisation
appliquées dans le domaine de l’OPER existantes dans la littérature. Nous avons aussi
présenté de manière générale la formulation globale d’un problème d’optimisation de la
planification d’énergie réactive.
27
Chapitre 2 Optimisation de la planification de l’énergie dans le réseau de transport
CHAPITRE 2
Optimisation de la planification de l’énergie
dans le réseau de transport
2.1 INTRODUCTION
L’objectif de l’optimisation de la planification de l’énergie réactive consiste
essentiellement à la recherche des emplacements et la taille des moyens de compensations en
chaque nœud, ainsi de déterminer toutes les autres grandeurs telles que la tension en module
et en déphasage et la production en chaque nœud du réseau. Cette procédure nécessite, le
développement des nouvelles méthodes de planification qui peuvent résoudre ce genre de
problème.
L’un des buts essentiels de la planification de l’énergie réactive est aussi d’assurer la
praticabilité du réseau électrique dans l’état de contingences. Nous considérerons ainsi, des
cas défavorables afin de préparer, prévenir et planifier le système à faire face aux éventuels
incidents. Bien qu’il reste toujours au planificateur la possibilité de juger les cas les plus
échéants, le programme proposé donnera une solution à n’importe quelle variation survenue
dans le transport de l’énergie ou suggérée d’être étudiée.
Dans ce chapitre, nous allons commencer par un état de l’art sur les travaux de recherche
associés au problème d’optimisation de l’énergie réactive dans le réseau de transport et
l’utilisation des dispositifs FACTS. Nous avons présenté une procédure de planification des
dispositifs FACTS basé sur les algorithmes évolutionnaires présentés par une méthode
metaheuristique hybride qui combine la méthode d’essaime de particule (PSO) et la méthode
de recherche gravitationnelle (GSA). Ce programme est formulé comme étant un problème
d’optimisation mono-objectif avec des contraintes. L’emplacement des dispositifs FACTS est
trouvé à l’aide des indices de stabilités de tension FVSI (Fast Voltage Stability Index), Lmn
(Line Stability Index ) et LPQ (Line Stability Factor ). La planification des dispositifs FACTS
est effectuée pour répondre à plusieurs fonctions objectifs à savoir : la minimisation des pertes
actives, la minimisation des coûts d’investissement des dispositifs FACTS et la minimisation
de la déviation de tension des nœuds de charges. La méthode proposée est testée sur le réseau
Algérien 114 nœuds.
28
2.2 État de l’art
Le problème de la planification de l’énergie réactive dans les réseaux de transport

constitue un sujet de recherche qui est toujours d’actualité. Ce problème du point de vue
fonctionnement ou investissement a été largement étudié seul ou associé au problème
d’énergie active [51,52]. De ce fait, dans la littérature nous rencontrons plusieurs approches
basées sur les algorithmes d’optimisation classique ou métaheuristiques.
Quelques références ont utilisé la programmation quadratique successive [53] et d’autres

l’approche de Newton [54] en utilisant les équations complètes et couplées du réseau
électrique. D’autres techniques considérant seulement le problème découplé Q/V [55, 56,57]
sont basées sur la programmation linéaire successive en association avec des fonctions de
pénalité ou utilisent les techniques de Quasi-Newton [58], et d’autres techniques utilisant la
programmation non linéaire comme celle du point intérieur [59] et celles s’appuyant sur des
algorithmes évolués (génétiques) [60]. Une étude comparative de plusieurs méthodes a été
faite dans [61].
Dans un réseau électrique, la détermination des emplacements optimaux de dispositifs

FACTS se différencient généralement les uns des autres par:
o les modèles adoptés pour les dispositifs FACTS.

o les méthodes et les critères d'optimisation.
o la taille et la topologie des réseaux utilisés pour les simulations.
o les régimes de fonctionnement pour lesquels les dispositifs sont installés.
2.2.1 Les FACTS dans le régime stationnaire
Dans ce régime, les dispositifs FACTS sont utilisés pour contrôler les transits de
puissances dans les lignes ainsi que les tensions aux nœuds. Les objectifs recherchés peuvent
être d'ordre technique ou de nature économique [62], [63].
Différentes méthodes et critères sont utilisés pour placer les dispositifs dans le système.
Dans la référence [64] l’auteur a discuté le problème de la position optimale d'un

dispositif shunt placé dans une longue ligne de transport. Elle est déterminée de manière à
augmenter la puissance transmissible en améliorant la stabilité du système.
29
Dans [65], la position optimale de SVC est déterminée en utilisant une méthode
combinant un recuit simulé et les multiplicateurs de Lagrange. Les emplacements optimaux
permettant d'accroître la stabilité statique sont étudiés dans [66] pour des réseaux de grandes
tailles.
L'article [67] présente une méthode de placement optimal hybride basée sur les
algorithmes génétiques et la programmation linéaire. Des SVC sont placés pour prévenir
l'écroulement de tension tout en minimisant le coût des installations.
La méthode présentée dans [78] détermine les emplacements de dispositifs FACTS shunt
sur la base d'une analyse singulière de la matrice Jacobienne. Les nœuds présentant la plus
grande sensibilité de tension aux variations de charges sont ceux devant être munis de FACTS.
La méthode est testée sur un réseau de 14 nœuds.
Dans [69], une nouvelle méthode est présentée pour déterminer l'emplacement optimal
d’un multiple de dispositifs UPFC pour l’amélioration la stabilité de la tension du réseau sous
une grande urgence de perturbation. L’auteur a utilisé la méthode méthaeuristique nommée,
Cat Swarm Optimization (CSO) pour définir l'emplacement optimal et la taille des UPFC.
La référence [70] présente une méthode dans laquelle les modèles des FACTS sont
intégrés dans un calcul de répartition optimale des puissances réactives. Ils sont utilisés pour
réduire les pertes actives dans le réseau. L'emplacement des dispositifs est déterminé sur la
base des résultats d'une analyse de sensibilité de l'expression des pertes par rapport aux
grandeurs contrôlables par les FACTS.
La référence [71] présente une étude de placement optimal de deux types de dispositifs
FACTS (TCSC et TCPST) dans un système comportant de la production hydraulique. Les
dispositifs sont positionnés de manière à minimiser les coûts de productions dus aux unités
thermiques et les investissements pour les FACTS. Dont les algorithmes génétiques, combinés
à une méthode de descente sont utilisés pour placer des bancs de condensateurs dans un
réseau à 25 nœuds [72]. L'optimisation est réalisée sur les coûts d'investissement des
dispositifs, le coût des pertes et des pénalités dues aux écarts de tension.
L’auteur dans [73] a utilisé l’approche d'entropie-croisée amélioré pour le choix de

l'emplacement et le contrôle des dispositifs FACTS, l’SVC et le TCPST. L'objectif de
30
l’approche est de résoudre les congestions, améliorer la sécurité, réduire les pertes de
puissance, et de réduire le nombre de dispositifs FACTS installer, simultanément.
Dans [74] l’auteur a utilisé un algorithme évolutionnaire hybride multi-objectif pour
l'allocation optimale combinatoire des dispositifs FACTS. L’optimisation a été réalisées sur
deux paramètres: les emplacements des dispositifs FACTS, et leurs tarifs. Dans ce travail, la
meilleure solution de compromis a été choisie par le mécanisme flou.
Dans la référence [75] l’auteur a utilisé les algorithmes génétiques utilisant des FACTS
déphaseurs placés de manière optimale. L'optimisation est réalisée sur la base des résultats
d'un calcul de répartition des puissances optimales. Des simulations sont effectuées sur un
réseau test de 36 nœuds et sur le réseau français. Elles mettent en évidence la possibilité de
réduire les coûts de production ainsi qu'une influence mutuelle entre les dispositifs. Des
dispositifs déphaseurs sont également placés de manière optimale par programmation linéaire
entière mixte (mixed integer linear programming) [76]. Les objectifs recherchés sont une
réduction du coût total de production et un accroissement de la puissance transmissible dans
le réseau. Les résultats obtenus sur un réseau de 24 nœuds corroborent ceux présentés dans
[77] et [78] et mettent en évidence une efficacité limite du réseau.
Dans [79] les dispositifs FACTS série « compensateurs série et dispositifs

déphaseurs »sont utilisés pour diminuer les coûts de transport dans le réseau en contrôlant les
transits de puissance dus aux transactions. Les effets des dispositifs sont évalués au moyen
d'un écoulement de puissance à courant continu. Le placement des dispositifs dans le réseau
est réalisé par programmation linéaire. Dans le même sens, l'article [80] présente une méthode
dans laquelle des FACTS de type série sont placés de manière optimale pour minimiser les
coûts de production et d'investissement d'installation des dispositifs. Les modèles des FACTS
sont intégrés dans un calcul de répartition des puissances optimales.
Dans [81] Une optimisation par la méthode des particules en essaims a été présentée pour
résoudre le problème de la planification de l’énergie réactive utilisant deux types différents de
dispositifs FACTS (SVC et TCSC). Les emplacements de ces dispositifs sont déterminés pour
améliorer la stabilité de tension du réseau, par l’utilisation de l’indice rapide de la stabilité de
tension (FVSI).
31
2.2.2 Les FACTS dans le régime dynamique
En régime dynamique, les FACTS sont généralement utilisés pour amortir les oscillations
de puissances dans le système. Dans [82], une méthode basée sur une analyse de sensibilité
des valeurs propres en petites perturbations est présentée. Elle est appliquée au placement de
dispositifs shunt pour amortir les oscillations électromécaniques. Des méthodes similaires ont
également été développées pour des FACTS de type série [83] et pour des dispositifs
déphaseurs [84].
Dans un environnement dérégulé, les FACTS sont positionnés dans le réseau de manière
à accroître la capacité disponible pour les échanges ATC (Available Transfer Capability) en
contrôlant les transits dans les lignes.
La référence [85] présente une méthode de placement des FACTS basée sur une analyse
de sensibilité entre les injections aux nœuds et les transits dans les lignes. Les dispositifs sont
placés dans les lignes ayant les plus grands coefficients d'influence. La méthode est mise en
œuvre sur une partie du réseau de l'UCTE. Elle montre la possibilité d'augmenter certains
échanges. Le même critère est utilisé dans [86]. L'optimisation est réalisée au moyen de la
programmation stochastique.
La maximisation de l'ATC en termes d'écroulement de tension est l'objectif visé dans

[87]. Dans cette optique, un placement optimal de SVC et de TCSC est réalisé sur la base
d'une analyse de sensibilité du second ordre.
Dans [88], une méthode analytique de placement optimal des dispositifs de compensation
série est présentée. Les dispositifs FACTS sont utilisés pour augmenter la capacité de transfert
de puissance dans le réseau. Leur position et leur taille sont déterminées à l'aide de
coefficients calculés lors d'accroissements de la charge.
Dans la référence [89], des dispositifs série sont placés de manière à retarder les
problèmes de congestion dans le réseau. L'optimisation est réalisée sur les résultats d'une
analyse de sensibilité. Les coefficients sont calculés à partir des dérivées partielles. La
méthode est validée sur un réseau à 5 nœuds et appliquée au réseau indien [90]. Le même
indice est utilisé dans [91] pour le contrôle des transits de puissances avec des UPFC.
32
2.3 Calcul d’écoulement de puissance par la méthode de Newton-Raphson

L’un des états les plus importants d’un réseau électrique est son mode d’opération en
régime permanent. Afin d’obtenir des informations sur le réseau et d’être en mesure de les
gérer pour des raisons de sécurité, de fiabilité ou d’économie, on introduit le concept de calcul
de la répartition de la charge.
Le calcul d’écoulement de puissance nous donne une information sur l’état électrique
complet du réseau, à savoir les tensions à tous les nœuds, les transits de puissance dans toutes
les branches, les pertes dans les lignes, etc…, à partir des consommations et des productions
spécifiées en ses nœuds [92].
En raison de la nature non linéaire de ce problème, des méthodes numériques sont

utilisées pour obtenir une solution avec une très grande précision.
Les premières méthodes numériques utilisé pour la résolution du problème

d'écoulement de puissance étaient les méthodes itérative de Gauss- Seidel, elle ne nécessite
pas beaucoup d’espace mémoire, mais elles demandent un grand nombre d’itérations pour
les grand réseaux avec un temps de convergence très grand. Ce qui amena les chercheurs à
développer d’autres méthodes telles que celle de Newton-Raphson. Cette dernière nécessite
plus de temps par itération que celle de Gauss-Seidel, mais elle ne demande que quelques
itérations pour trouver une solution, même pour les grands réseaux. Cependant, elle requiert
des capacités de stockage importantes [93].
L’application de cette méthode peut se faire selon les coordonnées rectangulaires ou

polaires des tensions de nœuds. Dans cette méthode, on utilise la matrice d’admittance.
Nous signalons qu’on peut utiliser aussi bien les coordonnées cartésiennes que les
coordonnées polaires. Finalement, nous avons opté pour la deuxième éventualité. Les
grandeurs électriques s’expriment de la manière suivante :
Vi  Vi  i , Yij  Yij   ij

n n
I i   YijV j   V j yij  i  ij (2.1)
j 1 j 1
n
Si*  Pi  jQi   VV
i jYij  j   i  ij
j 1
33

 i  YijV jVi cos ij   i   j 
n
P 
 j 1
 (2.2)
Q   Y V V sin      
n
 i j 1
ij j i ij i j
Comme les variations des puissances sont liées aux variations des amplitudes et des
phases de tension on peut écrire :
Pi  Pi ,cal  Pi , spéc , Qi  Qi ,cal  Qi , spé (2.3)

 P   J1 J 2    
 Q    J J 4   v 
(2.4)
   3
Pour faciliter le développement des éléments de la matrice Jacobienne, il est plus

commode d’élargir les deux équations (2.3) comme suit :
n
Pi  Vi 
j 1 & j i
Yij V j cos( i   j  ij )  Vk2 Yii cos ii  (2.5)
n
Qi  Vi 
j 1 & j i
Yij V j sin(i   j  ij )  Vk2 Yii sin ii  (2.6)
Du coup, les éléments des sous matrice du Jacobienne peuvent être déterminés grâce au
dérivé de ces deux équations.
Les éléments diagonaux et non diagonaux de la sous matrice J1 s’écrivent de la façon suivant :
 Pi n
  Yij Vi V j sin( i   j  ij )
  i j 1 (2.7)
i j
 Pi
 Yij Vi V j sin( i   j  ij ) (2.8)
 j
Similairement pour la sous-matrice J2 on a :
 Pi n
  Yij V j cos( i   j  ij )  V j Yii cos  θii 
 Vi j 1
(2.9)
i j
 Pi
 Yij Vi cos(ij   j   i ) (2.10)
Vj
34
Les éléments de J3 sont comme suit :
 Qi n
  Yij Vi V j cos( i   j  ij )
 i j 1
(2.11)
i j
 Qi
  Yij Vi V j cos( i   j  ij ) (2.12)
 j
De même, pour la sous matrice J4, on obtient :
 Qi n
  Yij V j sin( i   j  ij )  V j Yii sin  θii 
 Vi j 1
(2.13)
i j
 Pi
 Yij Vi sin( i   j  ij ) (2.14)
V j
Dans le cas où un nœud contrôlé est présent dans le réseau, l’équation générale (2.4) doit
être modifiée comme suit :
 P   J1 J2 
     
 Q    J 3 J4  
 V  (2.15)
  V   J 5 J 6   
Les éléments des sous matrice pour le nœud contrôlé i peuvent être déterminées à partir
de l’équation :
Vi  Vi (2.16)
Aussi pour J1 on obtient des éléments tous nuls :
 Vi
0  i, j (2.17)
 j
De manière similaire, pour la matrice J6 les éléments diagonaux ont la valeur unité alors
que les éléments non diagonaux sont nuls :
 Vi
1 i j (2.18)
 Vi
35
 Vi
0 i j (2.19)
 Vj
On peut reformuler notre problème avec une autre manière car il a été prouvé qu’il est
plus efficace si l’équation (2.15) est modifiée de la manière suivant :
 P   J 1 J2    
 Q    J J 4   V / V  (2.20)
   3  
Les sous matrice J1 et J3 ne changes pas, alors que J2 et J4 doivent être modifiées comme suit :
 Pi
 V j  Yij Vi cos(ij   j   i ) V j (2.21)
 Vj
En multipliant le côté droit de (2.21) par  V j / Vi , on obtient:
 Pi  Vj
 V j  Yij Vi V j cos(ij   j   i ) (2.22)
 Vj Vj
Les dimensions des sous matrices sont présentées comme suit :
J1(npv+npq)x(npv+npq) J2(npv+npq) x (npq) J3(npq) x (npv+npq) J4(npv)x (npq)
Le calcul de l’écoulement de puissance suivant la méthode de Newton Raphson se fait

suivant ces étapes :
Étape-1 : Préparation des données du réseau un qui incluent : les données des
lignes, des nœuds, des générateurs, des transformateurs, des charges, et
l’erreur tolérable.
Étape-2 : Calcul de la matrice admittance Y du réseau.
Étape-3 : Choisir les valeurs initiales des grandeurs tension et déphasages

Vi 0 et  i0 avec i  2, 3..nb .Sauf pour le nœud de référence.
Étape-4 : Utilisez les estimations V 0 et  0 pour calculer la puissance active et réactive pour tous
les nœuds P 0 et Q0 utilisant les équations (2.5) et (2.6).
36
Étape-5 : Calcul d’erreur entre la valeur spécifiée et la valeur calculée de la

puissance active et réactive pour les n œuds de charges et seulement de
la puissance active pour les nœuds contrôlés.
Étape-6 : Utiliser les estimations V 0 et  0 pour formuler la matrice Jacobéenne J.
Étape-7 : Calcul de l’incrémentation de l’amplitude et de l’angle de la tension

pour les nœuds sauf le nœud de référence en utilisant l’équation
suivante :
Étapes-8 : Obtenir les mises à jour selon les équations suivantes :
V k 1  V k  V k (2.23)
 k 1   k    k (2.24)
Étape-8 : Si V   et    , l’algorithme convergé, Si non allez à l’étape4.
2.4 Formulation du problème d’optimisation

2.4.1 Description générale
Le programme d’optimisation d’énergie réactive que nous avons conçu est capable de
satisfaire les points suivants :
 Réaliser le minimum éventuel d’investissement de moyens de compensation.

 Réaliser le minimum des pertes actives.
 Réaliser le minimum de la stabilité de tension.
 Respecter les contraintes du système, c’est-à-dire les capacités de production, les
capacités des lignes et les contraintes sur les tensions et les régleurs en charge.
Le problème d’optimisation à traiter correspond donc à un algorithme de calcul de

minimisation de trois fonctions objectifs avec contraintes.
2.4.2 Variables et fonctions objectifs
Considérons un réseau électrique soumis à un ensemble de contraintes de fonctionnement

et considérons la décision d’ajouter de nouveaux dispositifs de production d’énergie réactive
de manière optimale. Pour cela, il faut connaître :
37
i. Les données du réseau.

ii. Les variables de contrôle U.
iii. Les variables d’état X.
iv. Les variables de contrôle W qui représentent les paramètres réglant les FACTS,
v. La forme des fonctions objectifs F (U, X)
1. Fonction de stabilité de tension, soit FSTA (U, X).
2. Fonction coût d’investissement, soit FSVC et FTCSC (U, X).
3. Fonction des pertes active FPER (U, X).
2.4.2.1 Variables
2.4.2.1.1 Variables d’état :
Le vecteur d’état X du système est défini par :
X= [VLk, PGI, QGI ,θj] (2.25)

K=1,2,…NL , I=1,2,…NG , j=1,2,…N (2.26)
Où, VLi est le module de la tension du nouds de la charge k , PGi and QGi sont,
respectivement la puissance active et réactive du iième générateur, θj est l’angle de la tension
du nouds j ; N est le nombre total des nœuds dans le réseau, NG : le nombre des nœuds de
régulation, NL : le nombre des nœuds de charge.
2.4.2.1.2 Variables de contrôle :
Le vecteur de contrôle U est défini par :
U= [VGI, TRi, ,bSVCi ,XTCSCi]. (2.27)
Où, VGi est le module de la tension du nouds du ième générateur, TRi est rapport de
transformation du ième transformateur, bSVCi est la susceptance du ième SVC, XTCSCi est la
réactance du ième TCSC.
2.4.2.2 Fonctions objectifs
Après avoir spécifié les variables de contrôle et les variables d’état, exprimons les
fonctions objectifs de chaque niveau du problème.
38
2.4.2.2.1 Minimisation des pertes actives :
La minimisation des pertes ohmiques dissipées dans les lignes est donnée par
l’expression suivante [94]:
NL
FPER ( X , U )  Gk (i, j ) Vi 2  V j 2  2VV 
i j cos(i   j )  (2.28)
k 1
éme
Où, NLI est le nombre des lignes du réseau, Gk est la conductance de la k ligne, Vi est
l’amplitude de la tension du nœud au nœud i, et Vj est l’amplitude de la tension du nœud au
nœud j,  i est l’angle de la tension du nœud au nœud i, et  j est l’angle de la tension du nœud
au nœud j.
2.4.2.2.2 Minimisation du cout d’investissement des SVC:
Le coût d’investissement des SVC varie non-linéairement en fonction de la puissance

réactive du SVC à installer. Le coût au niveau du nœud i est donné par l’expression
suivante :
 $ 
N SVC
FSVC  X ,U     0.0003Q
I 1
SVCi
2
 0.3051 QSVCi  127.38   
 kVars 
(2.29)
Avec
QSVC  U 2 .bSVC .S n (2.30)
Où, QSVCi est la puissance réactive généré par le i éme SVC, Sn est la puissance nominale de
base.
2.4.2.2.3 Minimisation du cout d’investissement des TCSC:
La fonction objectif du problème de minimisation coût d’investissement des TCSC est

donnée par l’expression suivante :
 $ 
NTCSC
FTCSC ( X , U )    0.0015Q
I 1
TCSCi
2
 0.7130 QTCSCi  153.75   
 kVars 
(2.31)
Avec
QTCSC  X TCSC .I 2 .S n (2.32)
39
Où, QTCSCi est la puissance réactive généré par le ième TCSC, I est le courant traversant le
TCSC.
2.4.2.2.4 Minimisation de la stabilité de tension
La minimisation de la stabilité de tension est assurée par la minimisation de l’index

rapide de stabilité de tension (FVSI) qui sera bien détaillée 2.6.1.
4 Z 2Q j X
FVsta   (2.33)
Vi 2 X
2.4.2.2.5 Formulation dès la fonction objectif globale
La fonction objectif proposée dans ce travail présente une association de trois fonctions
objectifs différentes. Comme les fonctions objectifs utilisées ont de différentes natures
(2.28 ,2.29, 2.31 et 2.33), chacun est normalisé d’une manière comparative avec le cas de
base. Mais en tenant compte du fait que la fonction objectif des pertes de puissances actives et
de la stabilité de tension est plus importante que celle du coût d’investissement des dispositifs
FACTS, nous avons utilisé de différents coefficients pour chaque objectif (Le coefficient plus
élevé pour la fonction la plus importante) [90].
F F F
F (U , X )  0.20* FACTS  0.40* PER  0.40* Vsta (2.34)
QFACTSbase PERBase Vsta Base
Où, QFACTSbase est le coût l'investissement des dispositifs de compensation dans les
conditions de base;  PERBase représenter les pertes actives du réseau dans le cas de base;
VstaBase représente la valeur de l’indice rapide de stabilité de tension dans le cas de base;
2.4.3 Contraintes
2.4.3.1 Contraints d’égalité
Ces contraintes présentent les équations d’écoulement de puissance, dont ils expriment
l’égalité entre la production et la consommation de la puissance active et réactive à chaque
nœud du réseau :
40
NB
PGj  PDi  Vi V j (Gij cos θij  Bij sinθij )  0 i  1, 2...N B (2.35)
j 1
NB
QGj  QDi  Vi V j (Gij cos θij  Bij sinθij )  0 j  1, 2...N B (2.36)
j 1
Avec PDi et QDi présente respectivement la puissance active et réactive de la charge, PGi
est la puissance active généré, QGi est la puissance réactive généré, Vi est le module de la
tension au nœud i , Vj est le module de la tension au nœud j ,Gij, Bij sont, respectivement, la
conductance et la susceptance entre le i et le nœud j, ij est le déphasage de la tension entre le
i et le nœud j,  ji est le déphasage de la tension entre le j et le nœud i; NB est le nombre des
nœuds.
2.4.3.2 Contraintes d’inégalité
Ces contraintes présentent les limitations physiques et techniques des différents

équipements installés au réseau électrique, elles sont résumées comme suit :
2.4.3.2.1 Contraintes du générateur :
La puissance réactive et la tension du générateur sont limitées par les équations (2.35) et
(2.36) respectivement:
VGimin  VGi  VGimax i  1, 2,...NG (2.37)

Q min
Gi  QGi  Q max
Gi i  1, 2...NG (2.38)
Dont NG est le nombre des générateur, VGi et QGi sont respectivement la tension et la
puissance réactive des générateurs, VGimin et VGimax sont, respectivement, la limite inférieure et
min
supérieur de la tension du générateur, Q Gi et QGimax sont, respectivement, la limite inférieure
et supérieure de la puissance réactive du générateurs.
2.4.3.2.2 Contraintes du transformateur:
Le rapport du régleur en charge est limité comme suit :
Ti min  Ti  Ti max i  1, 2,...NT (2.39)
NT est le nombre des transformateurs.
41
2.4.3.2.3 Contraintes des moyens de compensation:

a) Compensateur statique d’énergie réactive (SVC) :
La susceptance du SVC est limitée par des limites inférieure et supérieure comme suit :
bimin  bi  bimax i  1,2,...NSVC (2.40)
Où, NSVC est le nombre du SVC, bi est la susceptance du SVC, bimin et bimax , sont,
respectivement, la limite inférieure et supérieure de la susceptance du SVC.
b) Condensateur série commandé par thyristor (TCSC):
La réactance du TCSC est limitée par des limites inférieure et supérieure comme suit :
(2.41)
X imin  X i  X imax i  1, 2,...NTCSC
Où, NTCSC est le nombre du TCSC, Xi est la réactance du TCSC, X imin et X imax , sont,
respectivement, la limite inférieure et supérieure de la réactance du TCSC.
2.4.3.2.4 Contraintes de sécurités
La tension des nœuds de charges et la puissance transmise par les lignes représentent les
contraintes de sécurité du réseau :
VLimin  VLi  VLimax i  1, 2,...N Load (2.42)

Si  Simax i  1, 2,...N Li (2.43)
Avec,
Si  (Pi )2  (Qi )2 j  1, 2...N B i  1, 2...N B (2.44)
Pij  Vi 2Gii  VV
i j (Gij cos θij  Bij sinθij ) (2.45)
Pji  V j2G jj  VV
i j (G ji cosθ ji  B ji sinθ ji ) (2.46)
Qij  Vi 2 Bii  VV

i j (Gij sin θij  Bij cosθij ) (2.47)
Qji  Vj2 B jj  VV
i j (G ji cosθij  Bij sin θij ) (2.48)
42
Où, NLI est le nombre des lignes du réseau, NL est le nombre des nœuds de charge, VLi est
le module de la tension des nœuds de charge, V Limin et VLimax sont, respectivement la limite
inférieure et supérieure de la tension des nœuds de charge, S i est la puissance apparentes
transmise par la ligne i, Pi est la puissance active transmise par la ligne i , Qi est la puissance
réactive transmise par la ligne i , S imax est la limite supérieure de la puissance apparentes
transmise par la ligne i. Pij est la puissance active transmise du nœud i au nœud j , Qij est la
puissance réactive transmise du nœud i au nœud j , Pji est la puissance active transmise du
nœud j au nœud i, Qji est la puissance réactive transmise du nœud j au nœud i , Gii et Bii sont
respectivement, la partie réelle et imaginaire des éléments diagonaux de la matrice
admittance, Gij et Bij sont respectivement, la partie réelle et imaginaire des éléments non
diagonaux de la matrice admittance du nœud i au noud j , Gji et Bji sont respectivement, la
partie réelle et imaginaire des éléments non diagonaux de la matrice admittance du nœud j au
noud i , Vi est le module de la tension au nœud i, Vj est le module de la tension au nœud j.
2.4.4 Manipulation des contraintes
Parmi les problèmes les plus courants dans les méthodes d’optimisation évolutionnaire
c’est l’ampleur importante du temps de calcul lorsque la taille du problème d’optimisation
devient importante.
Il se peut durant l’évaluation du problème d’optimisation certaines solution violent une

ou plusieurs contraintes de sécurité, ces dernières sont considérées comme une solution
optimale du problème d’optimisation, même si elle optimise la fonction objectif. Il existe
plusieurs techniques pour remédier à ce problème, parmi ces techniques c’est l’utilisation des
fonctions de pénalité qui pénalise les solutions qui violent les contraintes de sécurité. Cette
derrière, permettant de transformer le problème d’optimisation avec contraintes en un
problème d’optimisation sans contraintes.
Dans le problème d’optimisation de la planification d’énergie réactive, le rapport du

régleur en charge TRi, les tensions des nœuds de productions VGi, la puissance active des
générateurs PGi, la taille des dispositifs FACTS QFACTS, sont les variables de contrôle du
système et sont contrôlés automatiquement par le programme d’optimisation. La tension des
nœuds de charges VLi et la puissance active des générateurs QGi, sont les variables d’états du
43
système contrôlées par les termes ajoutés dans les fonctions de pénalité quadratique à la fonction
objectif afin de maintenir leurs valeurs proches de leurs limites de fonctionnement.
Dans le cas de violation d’une ou plusieurs contraintes de sécurité, la fonction objectif du

problème d’optimisation est présentée comme suit :
FGlob (U , X )  F (U , X )  v
i  (Vi  V
i N PQ
i )  QGi
lim 2
 (Q
i N G
Gi  QGilim )2  S  ( Sti  S tlim )2
i N L
(2.49)
Où,
FGlob : Fonction objectif global proposée.

v
i  (Vi  V
i N PQ
i
lim 2
) : Fonction de pénalisation de la tension des nœuds de charge.
QGi  (QGi  QGilim ) 2 : Fonction de pénalisation de la puissance réactive des générateurs.

i NG
S  ( Sti  S tlim )2 : Fonction de pénalisation de la puissance apparente transmise par les lignes.
i N L
 : Facteurs de pénalisation de la violation de tension des nœuds de charge.

vi
QGi : Facteurs de pénalisation de la violation de puissance réactive des générateurs
S : Facteurs de pénalisation de la puissance apparente transmisse par les lignes.

Dans la fonction objectif globale les termes Vilim, QGilimand Stlim sont définies dans les
équations suivantes.
 Vi min , if Vi  Vi min 
 
Vi lim   Vi max , if Vi  Vi max  (2.50)
V , if V min  V  V max 
 i i i i 
 QGimin , if QGi  QGimin 
 
QGilim   QGimax , if QGi  QGimax  (2.51)
 Q , if Q min  Q  Q max 
 Gi Gi Gi Gi 
 S tmin , if S ti  S tmin 
 
S tlim   S tmax , if S ti  S tmax  (2.52)
 S i , if S min  S i  S max 
 t t t t 
44
3.4.5 Problème complet
F F F
FGlob (U , X )  0.20 * FACTS  0.40 * PER  0.40 * S TA 
 Q FACTSbase  PER Base  STABase
 v
i  (Vi  V
i N PQ
i )  QGi
lim 2
 (Q
i N G
Gi  QGi )  S
lim 2
 (S
i N L
t
i
 S tlim ) 2
 NB
 GjP  PDi  Vi V j ( G ij cos θ ij  Bij s in θ ij )  0

 j 1
 NB
 Gj
Q  Q Di  V i V j ( G ij cos θ ij  Bij sin θ ij )  0
 j 1
 Ti min  Ti  Ti max

 QGimin  QGi  QGimax

 VGimin  VGi  VGimax (2.53)

 bimin  bi  bimax
 X imin  X i  X imax
s.t 
 V Limin  V Li  VLima x

 S i  S imax
 A vec

 S  ( P ) 2  (Q ) 2
 i i i
 Pij  Vi Gii  ViV j (Gij cos θ ij  Bij sin θ ij )

2

 Pji  V j2 G jj  ViV j (G ji co s θ ji  B ji sin θ ji )

 Qij  Vi Bii  ViV j (Gij sin θ ij  Bij cos θ ij )
2

 Q ji  V j B jj  ViV j (G ji cos θ ij  Bij sin θ i j )
2
2.5 Modélisation des éléments du réseau

2.5.1 Modèles des générateurs
Les générateurs sont les éléments aptes à fournir de la puissance à notre réseau. Ils
peuvent produire, mais aussi consommer de l’énergie réactive de telle sorte à maintenir la
tension à un certain niveau. Dans notre cas, le générateur est modélisée par une source de
tension constante qui injecte, au niveau du nœud auquel il est connecté, une puissance active
PG et réactive QG.
La puissance générée par chaque unité est limitée dans un intervalle définit comme suit :
PGimin  PGi  PGimax (2.54)
45
QGimin  QGi  QGimax (2.55)
Les générateurs peuvent être représentés par deux modèles. Dans le premier ils sont dits
des nœuds PV, leurs caractéristiques sont la puissance active générée PGi et la tension de
service Vi. La valeur de la puissance réactive est calculée de manière à maintenir la tension
nodale à sa valeur de consigne. Si QGi dépasse une des limites du générateur, alors elle sera
fixée à cette même valeur et le nœud se comportera comme étant un nœud PQ, du coup la
tension de service ne sera plus contrôlée comme au début.
Les générateurs peuvent êtres modélisés aussi par des puissances injectées constants.
Dans ce cas les puissances PGi et QGi sont données et la tension ne peut être contrôlée. Dès
lors un générateur est connecté au nœud de référence, tel que ses puissances active et réactive
sont supposées infinies et sa phase sera choisie comme référence pour le système. La Figure
2.1 illustre le symbole utilisé pour représenter les générateurs [13].
Figure 2.1 : Modèles des générateurs: a) symbole, b) modèle PV classique,

c) puissance complexe constante.
2.5.2 Lignes
Une ligne triphasée équilibrée est typiquement représentée par son schéma en π comme
l’indique la Figure 2.2, elle se caractérise par une impédance série zij  rij  jxij ( rij et xij sont
respectivement résistance totale et réactance totale de la ligne) et une admittance shunt

yij  jbij / 2 ( bij est la susceptance transversale) [13].
zij =rij+jxij
i j
yijo yijo
Figure 2.2 : Modèles en π des lignes de transport.
46
La matrice d’admittance nodale d’une ligne reliant un nœud i à un nœud j est donnée par :
 yij 0 
 yij   yij 
Ybus  2  (2.56)
 yij 0 
  yij yij  
 2 
Où l’admittance série yij vaut :
1
y ij  (2.57)
rij  jxij
L'admittance transversale correspondant aux effets capacitifs s'écrit (due à l’effet

capacitif de la ligne avec la terre) :
yij 0  jbij 0 (2.58)
2.5.3 Transformateurs
Un transformateur de l’énergie électrique est représenté par un quadripôle en π non

symétrique, sont représentés par leur impédance connectée en série avec un transformateur
idéal. Le rapport de transformation est réel pour un transformateur classique alors qu'il est
complexe dans le cas d'un transformateur déphaseur.
La figure suivante (Figure 2.3) illustre le symbole utilisé pour représenter les
transformateurs (Impédance connectée en série avec un transformateur idéal).
i ak :1 m j
zij =rij+jxij
S Ii Im
Ui Um Uk
Figure 2.3 : Modèle des transformateurs.
47
La matrice d'admittance d'un transformateur inséré entre un nœud i et un nœud j s'écrit:
 1 1 
 a 2 yij  y
* ij 
a
Ybus   (2.59)
 1 
  a yij yij 
 
avec a le rapport de transformation complexe.
Dans le cas où le transformateur est connecté directement à une charge, un régleur en

charge (LTC) est nécessaire pour ajuster la tension entre les limites de fonctionnement
normale du système.
2.5.4 Charges
La modélisation de la charge joue un rôle très important dans l’étude et l’analyse du

problème de la compensation d’énergie réactive. Dans le réseau électrique, les charges
représentent les consommateurs. Elles ne peuvent être modélisées individuellement, chaque
nœud représente un groupement de consommateurs. En régime permanent les charges sont
modélisées par des puissances constantes indépendantes de la tension nodale :
SLi  PLi  jQLi (2.60)
Où, SLi est la puissance complexe de la charge, PLi la puissance active et QLi la puissance
réactive. La puissance réactive QLi peut être positive ou négative selon que la charge est de
nature inductive ou capacitive [13] (Figure 2.4).
PLi ,QLi
Figure 2.4 : Modèle d’une charge.
2.5.5 Éléments shunt
Les dispositifs shunts, généralement utilisés pour la compensation de la puissance

réactive et l’amélioration du profit de tension, sont modélisés par des admittances Yi0 de la
forme:
48
Yi 0  Gi 0  jBi 0 (2.61)
Le symbole général représentant un élément shunt est donné à la (Figure 2.5.a) La

susceptance bi0 peut être inductive ou capacitive. Dans le premier cas, l'élément consomme
de la puissance réactive (Figure 2.5.b), alors qu'il en fournit au système dans le second
(Figure 2.5.c).
a) b) c)
i i
Ii0 Q Q
yo=gio+j bi0
gio bLi0 bCi0
Figure 2.5 : Modèles des éléments shunt: a) symbole, b) élément inductif,

c) élément capacitif.
2.5.6 Modélisation des dispositifs FACTS

2.5.6.1 Le SVC
La SVC est modélisé par une susceptance variable. Ce modèle considéré la susceptance
totale du SVC bSVC comme une variable d’état (Figure 2.6).
i j
Rijline+jXijlin
e
bijo bijo
bSVC
Figure 2.6 : Schéma équivalent du SVC en régime permanent.

Le courant généré ou absorbé par le SVC est représenté en fonction de la susptance totale
par l’équation suivante :
I svc  jbsvcVk (2.62)
La puissance réactive injectée par le SVC est présentée comme suit :
Qsvc  Qi  bsvcVk2 (2.63)
49
2.5.6.2 Le TCSC
Le TCSC est un compensateur installé en série avec la ligne, utilisé principalement pour
varier la réactance de la ligne du réseau, afin de contrôler l’écoulement de puissance active.
La Figure 2.7 présente le schéma équivalent du TCSC en régime permanent.
i j
jXijTCSC Rijline+jXijline
yij yij
Figure 2.7: Schéma équivalent du TCSC en régime permanent.
Ce modèle représentant le TCSC par une réactance variable Xtcsc. Les puissances active et
réactive injectées aux nœuds i sont représentées par les équations suivantes :
i j Bij sin( i   j ).
Pi  VV (2.64)
i j Bij sin(i   j )
Qi  Vi 2 Bii  VV (2.65)
Avec,
1
Bii  B jj  
X xt csc
Pour un fonctionnement inductif.
1
Bij  B ji 
X xt csc
1
Bii  B jj 
X xt csc
Pour un fonctionnement capacitif.
1
Bij  B ji  
X xt csc
2.6 Identification des nœuds et des lignes critiques
Une petite variation de l’énergie réactive d’une charge qui dépasse le point maximal de
l’instabilité du system, peut provoquer la divergence du problème de l’écoulement de
puissance, ce qui force le système à atteindre la limite de stabilité de tension avant le point
d’effondrement de tension.
50
La marge mesurée à partir du cas de base au point de convergence maximale détermine la

capacité de charge maximale dans un nœud spécifique. Dans ce travail, la capacité de charge
maximale est estimée par l'analyse de la stabilité de tension à l'aide de trois différents indices
de stabilités, à savoir : Indice Rapide de Stabilité de Tension (FVSI), Indice de Stabilité de
Ligne (Lmn), Indice de Stabilité de Facteur de Ligne (LPQ). Ces indices sont des nouvelles
techniques capables de déterminer le point d'écroulement de tension, la capacité de charge
maximale admissible et les nœuds et lignes les plus critiques dans le réseau.
La puissance réactive dans un nœud de charge spécifique est augmentée jusqu'à ce qu'il
atteigne le point d'instabilité (point d'écroulement de tension). En ce point, la charge
connectée au niveau d’un nœud spécifique est considéré comme la capacité de charge
maximale. La plus petite capacité de charge maximale est classée au premier rang, ce qui
implique le nœud le plus critique du système, et la valeur maximale de l'indice de stabilité
indiquant les lignes les plus critiques [95] [96].
2.6.1 Indice Rapide de Stabilité de Tension (FVSI)
L’indice Rapide de Stabilité de Tension (FVSI) est proposé par I. Musirin et autre [97],
Le FVSI est dérivé de l'équation quadratique de tension au nœud de réception sur un système
de deux nœuds [90].
V1∠δ V2∠δ
I12
R+JX
Bus 1 Bus 2
P1 Q1 S1 P2 Q2 S2
Figure 2.8 : System de deux nœuds.
La représentation générale du système à deux nœuds est illustrée sur la Figure 2.8.
De la figure, l'équation quadratique de tension au nœud de réception est écrite comme :
R   R2 
V2 2   sin   cos  V1V2   X   Q2  0 (2.66)
X   X 
51
Mettant le discriminant de l'équation supérieur ou égal à zéro donne :
2
 R    R2 
 X sin   cos   1
V  4  X   Q2  0 (2.67)
    X 
Réarrangeant (2.67), nous obtenons :
4 Z 2Q2 X
1 (2.68)
V1  R sin   X cos  
2
Étant donné que  est très petit, alors,   0 , R sin   0 et X sin   X .
Prenant le symbole ’i’ le nœud de départ et ’j’ le nœud de réception, l'indice rapide de
stabilité de tension (FVSI) peuvent être représentées comme suit :
4Z 2Q2
FVSI  2 (2.69)
Vi X
Où, Z est l’impédance de la ligne, X est la réactance de la ligne Qj est la puissance

réactive au nœud de réception, et Vi est la tension aux bus i.
2.6.2 Indice de Stabilité de Ligne (Lmn)
Indice de Stabilité de Ligne est proposé par Moghavvemi et autre. [98].
4Qr X
Lmnij  (2.70)
[ Vi sin     ]2
Où,  est l’angle d’impédance,  est l’angle de la tension entre le nœud de départ et de
réception.
2.6.3 Indice de Stabilité de Facteur de Ligne (LPQ)
L’indice de Stabilité de Facteur de Ligne est proposé par A. Mohamed et autre [99]. Il a
été utilisé dans la comparaison puisque ce facteur est plus sensible aux changements dans la
puissance réactive.
52
LQP est calculé comme suit:
 X  X 
LPQ  4  2   2 Pi 2  Q j  (2.71)
 Vi   Vi 
Où, Pi , Qi sont les puissances active et réactive des charges.
La valeur de l’indice de stabilité de la tension doit être maintenue entre 0 et 1. Si elle est
proche de 1, cela signifie que le système est proche du point d'instabilité de tension, et si elle
est proche de 0, cela signifie que le système est en fonctionnement sûr.
2.6.4 Identification des lignes et des nœuds critiques

Les étapes suivantes sont appliquées pour identifier les bus et les lignes critiques :
1. Lancez le programme d'écoulement de puissance de Newton-Raphson pour obtenir la
solution d'écoulement de puissance.
2. À partir de ces résultats, calculer la valeur de FVSI, Lmn et LPQ dans chaque ligne dans le
système.
3. Augmentez graduellement l’énergie réactive a un nœud de charge choisis jusqu'à ce que la
solution d'écoulement de puissance diverge pour une valeur de FVSI, Lmn et LPQ
maximum calculable.
4. Extraire l’énergie réactive maximale pour le maximum de FVSI, Lmn et LPQ calculable
pour chaque nœud de charge. L’énergie réactive maximale est désignée comme la capacité
de charge maximum d'un nœud spécifique.
5. Triez la capacité de charge maximale obtenue à partir de l'étape 4 dans l'ordre croissant. La
plus petite capacité de charge maximale est classée au premier rang, impliquant le nœud
critique et la valeur du maximum de FVSI indique la ligne la plus critique rapportée à un
nœud particulier.
2.7 Méthode d’optimisation

2.7.1 Optimisation par essaim de particules
La méthode d’optimisation par essaims de particules, est une technique d’optimisation

développée par J. Kennedy et R. Elberhat pour résoudre les problèmes d’optimisations non
linéaires continues [44]. Cette méthode est inspirée par l’observation du comportement
53
collectif des individus dans une société de certains types d’animaux tels que les oiseaux et les
poissons [44] [45].
Dans l’algorithme du PSO, les particules sont des individus qui se déplacent dans un
espace de recherche avec une vitesse ajustable en fonction de leurs expériences de
déplacement et de l’expérience de leurs compagnons de déplacement. Chaque individu dans
l’espace de recherche, représente une solution potentielle au problème à traiter. En d’autres
termes, l’espace de recherche est composé de toutes les solutions possibles (Figure 2.9).
La procédure de recherche est régie selon les règles suivantes :
 Chaque particule a la capacité d’enregistrer sa meilleure position, considérée meilleure

position individuelle, par laquelle elle est déjà passée et a la possibilité de retourner à cette
position.
 Chaque particule est informée de la meilleure position connue au sein de son voisinage et
elle va tendre à se diriger à cette position qui est considérée être meilleure position globale.
 Chaque particule peut suivre sa propre vitesse.
Meilleure performance
individuelle Meilleure performance
des voisins
Pbest-i
Gbest
Position actuelle
Nouvelle
Xi k position
⬚⬚
⬚
Vitesse actuelle
Vik
Figure 2.9 : Schéma de principe du comportement d’une particule.
Pour un problème d'optimisation à N-dimensions, la position et le vecteur de vélocité des

particules pr sont représentés respectivement par xpr= [x1pr, x2pr, …,xnpr] et vpr= [v1pr, v2pr, …,
vnpr], La meilleure position précédente de pr des particules est basée sur l'évaluation de la
fonction fitness représentée par pbest et la meilleure particule parmi toutes les particules
représentées par gbest .
54
La mise à jour de la vélocité et la position de chaque particule peut être calculée comme indiqué
dans la formulation suivante:
vik 1  c0 vik  c1  rand1 (t )  ( pbestik  xik ) 

(2.72)
c2  rand 2 (t )  ( gbestik  xik )
Chaque particule modifie sa position en ajoutant la valeur de la nouvelle vélocité (2.72)

en utilisant l'équation suivante:
xt 1  xt  vt 1 , i  1, 2..., Np (2.73)
Où, pbestik est la meilleure position individuelle de la particule i. gbestik est la meilleur
position dans le voisinage, i est le nombre de particules dans un essaim. k est le numéro de
l’itération. Vik est la vitesse de la particule i à l’itération k. Xik est la position de la particule i à
l’itération k, r1 et r2 sont des nombres aléatoires, de distribution uniforme sur [0,1].c1 et c2 est
les coefficients d’attraction dont leurs valeurs sont comprises entre 0 et 2. c est le facteur
d’inertie, a pour rôle d’équilibrer la recherche de l’optimum local et l’optimum global.
Une petite valeur de c0 accélère la recherche vers l’optimum local. Tandis qu’une valeur
grande permet l’exploration de tout l’espace de recherche. L’expression 3.13 permet d’avoir
une diminution linéaire du facteur d’inertie d’une valeur relativement grande à une petite
valeur durant l’exécution du PSO [101]. La simulation réalisée par la référence [102] a montré
que le facteur d’inertie, qui démarre avec une valeur proche de 1 et décroît linéairement à 0,4
au cours de l’exécution du programme, donne de bonne performance au PSO que si le facteur
est une valeur constante. Au début de l’exécution du programme, l’algorithme PSO a
tendance à avoir une capacité de recherche globale, tandis qu’à l’approche de la fin du
programme il a plus tendance à faire une recherche locale [103]. Il existe plusieurs fonctions
du facteur d’inertie, la plus utilisée est la suivante [104] [100] :
cmax  cmin
c0  cmax   iter (2.74)
itermax
Avec cmax et cmin limites minimale et maximale de c0, iterma est le nombre d’itération,
itermax est le nombre d’itération maximale.
55
Principalement un algorithme d’optimisation par essaim de particules, PSO algorithme,

est constitué de 3 étapes qui sont répétées durant l’exécution du programme jusqu’atteindre
l’objectif demandé.
 Évaluation de la fonction objectif de chaque particule.

 Mise à jour de la fonction objectif individuelle et globale de la particule.
 Mise à jour de la vitesse et de la position de chaque particule.
L'organigramme de l’algorithme PSO est représenté dans la Figure 2.10.
Initialiser les particules avec la position et le

vecteur de vitesse aléatoire
Évaluer la fonction fitness pour chaque

particule
Calculer les valeurs de pbest et gbest pour

chaque particule
Mettre à jour de la vitesse des particules
Mettre à jour la position des particules
Oui
Non Les critères

d’arrêt sont
remplis ?
La sortie est la solution optimale
Figure 2.10 : Organigramme de l’algorithme PSO.
2.7.2 Algorithme de la Recherche Gravitationnelle
Le GSA est un nouvel algorithme de recherche méta-heuristique proposé par Rashedi et

autre en 2009 [105]. Cet algorithme basé sur la loi de la gravitation de Newton et loi du
mouvement. La loi de la gravité stipule que chaque particule attire tous les autres particules et
la force gravitationnelle entre deux particules est directement proportionnelle au produit de
leurs masses et inversement proportionnelle au carré de la distance entre eux. Selon
l'algorithme proposé, les agents sont supposés être des objets, dont ces performances sont
mesurées à travers des masses. Par conséquent, tous ces objets s'attirent mutuellement par une
force de gravité, et cette force provoque un mouvement global de tous les objets en direction
56
des objets avec des masses plus lourdes. Puisque les masses plus lourde sont des valeurs de la
fitness la plus élevées; ils donnent une bonne solution optimale au problème et ils se déplacent
plus lentement que les plus légers qui sont considéré comme des solutions non réalisable. En
GSA, chaque masse a quatre paramètres: sa position, sa masse d'inertie, sa masse
gravitationnelle actif, et la masse gravitationnelle passive. La position de la masse égale à une
solution du problème et ses masses gravitationnelle et inertielle sont spécifiées en utilisant une
fonction fitness. En d'autres termes, chaque masse réalise une solution et l'algorithme est
navigué en ajustant convenablement les masses gravitationnelles et inertielles.
Supposant qu'il y a N agents (masses), la position du ième agent dans l'espace de

rechercher présente une solution à ce problème. Un agent est décrit comme suit:
X i  ( xi1 , xi2 ,..., xid ,... xin ) où, i  1, 2,..., N (2.75)
Où, n est la dimension de l'espace du problème et xid décrit la position du ième agent dans
la dème dimension.
La GSA commence en plaçant d’une façon aléatoire tous les agents dans l'espace de
recherche. Les forces de la gravité de l'agent j sur l'agent i à un instant donné t est définie
comme suit :
M pi (t )  M aj (t )
Fijd (t )  G(t ) ( xdj (t )  xid (t )) (2.76)
Rij (t )  
Où, Maj est la masse gravitationnelle actifs liés à des agents j, Mpi est la masse
gravitationnelle passif liés à l'agent i, G(t) est la constante gravitationnelle à l'instant t,  est
une petite constante, and Rij(t) est la distance euclidienne entre deux agents i et j. The G(t) est
calculé comme suit:
G(t )  G0  exp(  iter / max iter ) (2.77)
Où,  et G0 sont, respectivement, le coefficient de descente et la valeur initiale de la

constante gravitationnelle, iter est l'itération courante, et maxiter est le nombre maximal
d'itérations.
57
La force totale agissant sur l'agent i dans une dimension d est une somme pondérée
aléatoire des forces exercées par les autres agents. Donc, la force totale est calculée en
utilisant l'équation suivante:
N
Fi d (t )   rand j Fijd (t ) (2.78)
j 1
j i
Où, randj est un nombre aléatoire dans l'intervalle [0, 1].
Selon la loi de mouvement, l'accélération d'un agent est proportionnelle à la force

résultante et à l'inverse de sa masse, d'où l'accélération de l'ensemble des agents doit être
calculée comme suit:
Fi d (t )
acid (t )  (2.79)
M ii (t )'
Où, t est un temps spécifique et Mii est la masse de l'objet i qui est calculée comme suit.
mi (t )
M i (t )  N
 m (t )
j 1
j
(2.80)
Avec,
Fit (t )  worst (t )
mi  (2.81)
best (t )  worst (t )
Où, Fit(t) représente la valeur de la fitness de l'agent i au temps t, et le best(t) et le

worst(t) sont respectivement le meilleur (minimum) et le pire (maximum) de la fonction
fitness de tous les agents. Pour tous les agents, la valeur de la meilleur (best) et la moyenne
solution (wors) sont calculées à chaque itération de la façon suivante :
  min ( Fit (t ))
best (t )   j
  j  1,..., m
 (2.82)
 max ( Fit (t ))
 j
 worst (t ) 
  j  1,..., m
58
La mise ajour de la vélocité et la position suivant d'un agent peuvent être définie comme
suit :
velid (t  1)  rand i  velid (t )  acid (t ) (2.83)

xid (t  1)  xid (t )  velid (t  1) (2.84)
Où, randi est un nombre aléatoire dans l'intervalle [0,1].
L’organigramme de la méthode GSA est illustré dans la Figure 2.11.
Générer la population initiale
Évaluer la fitness fonction pour

tous les agents
Mettre à jour de Getgbest

pour la population
Calculer la force Met

accélérations pour tous les
agents
Mise à jour de la vitesse et la

position
Non
Critère
D’arrêt
?
Oui
Retourner la meilleure solution
Figure 2.11 : Organigramme de la méthode GSA.
2.7.3 PSOGSA
Selon [106], deux algorithmes peuvent être hybridés avec une liaison directe (algorithme
haut niveau) ou comme méthode Co-évolutif homogène ou hétérogène. Dans la méthode
hybride PSO et GSA en utilise une hybridation basse niveau Co-évolutionnaire hétérogène
(algorithme bas niveau). L'hybridation est de bas niveau parce que nous combinons la
fonctionnalité des deux algorithmes et elle est Co-évolutionnaire parce que nous n'utilisons
pas les deux algorithmes un après l'autre. En d'autres termes, un algorithme parallèle. La
méthode est hétérogène car il y a deux algorithmes différents qui sont combinés pour obtenir
59
les résultats finaux. L'idée de base de PSOGSA est de combiner gbest dans PSO avec la
fonction de recherche locale de GSA. Afin de combiner ces algorithmes, l’équation (9) est
proposée comme suit:
Vi (t  1)  w Vi (t )  c1 ' rand  aci (t ) 

(2.85)
c2 ' rand  ( gbest  X i (t ))
Où, t est la période actuelle; Vi(t) est la vitesse de l'agent i à l'itération t; cj est le facteur
de pondération; w est une fonction de pondération; rand est un nombre aléatoire entre [0, 1];
aci (t)est l'accélération de l'agent i à l'itération t; gbest est la meilleure solution.
Les positions des particules sont mises à jour à chaque itération comme suit :
X i (t  1)  X i (t )  Vi (t  1) (2.86)
L'organigramme de la méthode PSO-GSA est représenté dans Figure 2.12.
Généré la population initiale
Évaluer la fonction fitness pour tous les

agents
Calculer G, best et worst pour la population
Calculer M et a pour tous les agents
Mise à jour de la vitesse et la

position
Non Critère
D’arrêt
?
Oui
Retourner la meilleure solution
Figure 2.12 : Organigramme de la méthode PSO-GSA.
60
Les détails d'algorithme d'optimisation PSO- GSA sont les suivantes:

Étape 1: Une population initiale est créée d’une manière aléatoire avec les limites minimales
et maximales des variables de contrôle et les choisir comme une population mère.
Étape 2: L’évaluation de la fonction objectif pour chaque agent dans la population initiale.
Étape 3 : Calculer la force gravitationnelle , la constante gravitationnelle et la forces
résultantes entre les agents utilisant ( 2.77 ) , (2.78) , et (2.79 ) respectivement :
Étape 4: Calculer l’accélération M pour tous les agents telles que définies dans (2.80 ) .
Étape 5: Calculer les vitesses de tous les agents à l'aide de (2.85).
Étape 6 : Mettre à jour la position de chaque agent selon le point (2.86).
Étape 7: La fonction objectif des nouveaux points de rechercher et les valeurs d'évaluation
sont calculées. Le processus de mise à jour des vitesses et des positions sera arrêté en
satisfaisant le critère d’arrêt.
Étape 8 : Si le critère d'arrêt est atteint (le nombre maximum de génération est atteint ou
point optimal est atteint), ensuite enregistré les résultats. Sinon, passez à l'étape 2.
Step9 : sauvegarder la meilleure solution.
2.8 Application et résultats
Afin de vérifier l'efficacité de l'approche proposée, une nouvelle méthode méta-

heuristique hybride qui combine la méthode d’essaims de particules et l’algorithme de
recherche gravitationnelle a été testée pour le réseau électrique Algérien équivalent de
114bus. Pour besoin de comparaison, la méthode proposée est comparé avec la méthode des
particules en essaims (PSO) et la méthode de recherche gravitationnelle (GSA). Le Tableau
2.1 montre les paramètres de ces algorithmes. Les facteurs de pénalités en (2.50 à 2.52) sont
présentés dans le Tableau 2.2. Le programme a été écrit en langage MATLAB7.
2.8.1 Identification des lignes et des nœuds critiques
Le Tableau 2.3 montre l'état critique des nœuds du réseau électrique algérien 114bus
pour la capacité de charge maximale des nœuds. La plus petite capacité de charge maximale
impliquant les nœuds critiques qui sont présentés dans la colonne «Nombre de bus" et la
valeur maximale du FVSI, Lmn, et LPQ sont présentés dans la colonne «Ligne». Dans ce
travail, seulement onze (10 % du nombre des nœuds) dispositifs de compensations sont
considérés.
61
2.8.2 Réseau teste
Dans cette section, la comparaison de l'algorithme proposé fonctionne sur le système

d'alimentation électrique Algérien (220/60 kV) [13]. Le système contient 175 lignes de
transport, 15 générateurs, 99 nœuds de charge, et 17transformateurs régleur en charge. Les
emplacements des dispositifs d’énergie réactive (dispositifs de compensation) sont classés
dans le Tableau 2.4. Les puissances actives et réactives du système sont respectivement
1250,8MWet336.6MVar. Les limites des variables de contrôle et la description du réseau test
sont listés dans le Tableaux 2.5 et 2.6.
Pour valider l'efficacité de l'approche proposée; trois études de cas suivantes sont
envisagées:
Cas 1:Casde base (point nominal).
Cas 2: Cas chargé (+ 20 % du cas de base).
Cas 3:Augmentation de la puissance réactive aux nœuds critiques (+10% du QmaxFVSI ).
Tableau 2.1: Paramètre de réglage des algorithmes.

Paramètres PSO-GSA
C1 1.5
C2 0.5
W [0,1]
G0 100
 10
Itération et Réseau
Population Algérien 114-
nœuds
No. Itération 300
Population 60
Tableau 2.2:Facteur de pénalité optimal.

 vi QGi S
Réseau Algérien 114-nœuds 500 100 100
62
Tableau 2.3 : Résultats des indices de stabilités.

Nœuds Critiques Lignes Critiques
Rang Nœuds QMaxFVSI QMaxLMN QMaxLPQ Lignes Lignes FVSI LMN LPQ
(p.u) (p.u) (p.u) From-to (p.u) (p.u) (p.u)
1 67 0.2691 0.2591 0.2791 27 17--27 0.9999 9,9999 0.9999
2 43 0.36076 0.37076 0.37076 10 15--16 0.9999 0.9999 0.9998
3 66 0.38422 0.36422 0.36422 72 24--25 0.9997 0.9999 0.9998
4 93 0.41 0.42 0.46 43 42--48 0.9995 0.9999 0.9998
5 77 0.41346 0.44346 0.41346 33 21--60 0.9995 0.9998 0.9998
6 41 0.47024 0.48024 0.50024 25 17--21 0.9995 0.9997 0.9998
7 50 0.48564 0.48564 0.52564 146 92--93 0.9999 0.9995 0.9995
8 55 0.49038 0.50038 0.52038 61 35--29 0.9995 0.9994 0.9995
9 51 0.49782 0.51782 0.50782 28 17--31 0.9995 0.9994 0.9993
10 89 0.51294 0.51294 0.51294 112 49--41 0.9993 0.9994 0.9991
11 56 0.5164 0.5164 0.5264 26 17--72 0.9998 0.9994 0.9991
12 69 0.5182 0.5182 0.5182 117 85--87 0.9992 0.9991 0.9998
13 68 0.5291 0.5491 0.5991 142 99--102 0.9995 0.9991 0.9991
14 12 0.5373 0.5173 0.5373 153 110--112 0.9990 0.9990 0.9996
15 54 0.5582 0.5682 0.5682 14 8--4 0.9990 0.9990 0.9993
Tableau 2.4 : Emplacements des dispositifs FACTS.

Nœuds
SVC 67 43 66 93
77 41 50 55
51 89 56
Lignes
TCSC 17-27 15-16 24-25 42-48
21-60 17-21 92-93 35-29
17-31 49-41 17-72
Tableau 2.5: Réglage des variables de contrôle.

Réseau Algérien 114-nœuds
Var Min Max
T(P.u) 0.9 1.1
VG(P.u) 0.9 1.1
QSVC (P.u) 0 0. 5
Xtcsc (P.u) -0.8 0.2
Tableau 2.6: Description du réseau test.

Variables Réseau Algérien 114-nœuds
Pg(MW) 3146.2
Qg(Mvar) 1799.4
PPER (MW) 67.4567
QPER(MVAR) 265.840
63
Tableau 2.7 : Variables de contrôle pour le Cas1 avec SVC en p.u.

Var Base PSO GSA PSO Var Base PSO GSA PSO
GSA GSA
V4 1,0700 1,1000 1,0931 1,1000 T60-59 1,0300 1,0187 1,0119 0,9842
V5 1,0500 1,0944 1,0859 1,0944 T64-63 1,0300 0,9856 1,0069 0,9732
V11 1,0500 1,0704 1,0591 1,0663 T72-71 1,0300 0,9714 1,0035 0,9716
V15 1,0400 1,0987 1,0807 1,1000 T17-18 1,0300 0,9927 0,9954 0,9734
V17 1,0800 1,0881 1,0344 1,1000 T21-20 1,0300 1,0174 1,0072 0,9846
V19 1,0300 1,0514 0,9745 1,0962 T27-26 1,0300 1,0313 1,0033 0,9638
V52 1,0400 1,0654 1,0066 1,1000 T28-26 1,0300 1,0010 1,0258 0,9945
V22 1,0500 1,0633 0,9935 1,1000 T31-30 1,0300 1,0060 1,0119 0,9875
V80 1,0800 1,0384 0,9813 1,0808 T48-47 1,0300 0,9653 0,9887 0,9619
V83 1,0500 1,0519 0,9993 1,1000 T74-76 1,0300 0,9964 0,9949 0,9867
V98 1,0500 1,0658 1,0114 1,0959 Qc67 0 0,1355 0,2666 0,2082
V100 1,0800 1,0671 1,0114 1,1000 Qc43 0 0,2098 0,1921 0,4500
V101 1,0800 1,0732 1,0203 1,1000 Qc66 0 0,2350 0,2305 0,0120
V109 1,0500 1,0999 1,0383 1,1000 Qc93 0 0,2817 0,1879 0,2197
V111 1,0200 1,0375 0,9896 1,1000 Qc77 0 0,0378 0,1433 0,1238
T80-88 0,9800 0,9442 0,9975 0,9703 Qc41 0 0,3093 0,2519 0,3503
T81-90 0,9500 1,0058 0,9931 1,1000 Qc50 0 0,1008 0,1707 0,0155
T86-93 1,0300 1,0060 0,9976 1,0687 Qc55 0 0,1093 0,2018 0,1082
T42-41 1,0300 0,9105 0,9048 0,9267 Qc51 0 0,0208 0,1681 0,0259
T58-57 1,0300 0,9902 1,0275 0,9812 Qc89 0 0,2828 0,2161 0,2125
T44-43 1,0300 0,9845 0,9969 1,0143 Qc56 0 0,2800 0,3183 0,2340
PSO GSA PSOGSA

1,1
TENSIONS (p,u)
1,05
1
0,95
0,9
0,85
0,8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
NOEUDS DE CHARGE
PSO GSA PSOGSA

1,1
1,05
TENSIONS (p,u)
1
0,95
0,9
0,85
0,8
51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
NOEUDS DE CHARGE
Figure 2.13 : Tension des charges pour le Cas1 avec SVC.
64
Tableau 2.8 : Variables de contrôle pour le Cas1 avec TCSC en p.u.

Var PSO GSA PSO Var PSO GSA PSO
GSA GSA
V4 1,1000 1,0776 1,0776 T60-59 1,0029 0,9883 0,9883
V5 1,0944 1,0706 1,0706 T64-63 0,9659 0,9559 0,9559
V11 1,0810 1,0259 1,0259 T72-71 0,9745 1,0100 1,0100
V15 1,0982 1,0667 1,0667 T17-18 0,9931 0,9799 0,9799
V17 1,0856 1,0303 1,0303 T21-20 1,0230 1,0014 1,0014
V19 1,0382 1,0075 1,0075 T27-26 1,0304 0,9822 0,9822
V52 1,0625 1,0190 1,0190 T28-26 1,0176 1,0032 1,0032
V22 1,0452 1,0081 1,0081 T31-30 1,0039 0,9888 0,9888
V80 1,0203 0,9868 0,9868 T48-47 0,9674 1,0224 1,0224
V83 1,0414 1,0095 1,0095 T74-76 0,9929 1,0060 1,0060
V98 1,0564 1,0126 1,0126 TCSC17-27 -0,0067 -0,0121 -0,0121
V100 1,0591 1,0209 1,0209 TCSC 15-16 -0,0108 -0,0248 -0,0048
V101 1,0691 1,0227 1,0227 TCSC 24-25 -0,0383 -0,0249 -0,0249
V109 1,0817 1,0223 1,0223 TCSC 42-48 -0,0220 -0,0187 -0,0187
V111 1,0216 0,9911 0,9911 TCSC 21-60 -0,0079 -0,0110 -0,0110
T80-88 0,9031 0,9483 0,9483 TCSC 17-21 -0,0225 -0,0126 -0,0126
T81-90 0,9681 0,9781 0,9781 TCSC 92-93 -0,0076 -0,0140 -0,0140
T86-93 0,9723 0,9864 0,9864 TCSC 35-29 -0,1589 -0,1422 -0,1422
T42-41 0,9186 0,9183 0,9183 TCSC 17-31 -0,1151 -0,0968 -0,0968
T58-57 0,9620 0,9723 0,9723 TCSC 49-41 -0,0097 -0,0061 -0,0061
T44-43 0,9768 0,9787 0,9787 TCSC 17-72 -0,2939 -0,2578 -0,2578
1,1 PSO GSA PSOGSA

TENSIONS (p,u)
1,05
0,95
0,9
0,85
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
NOEUDS DE CHARGE
1,1 PSO GSA PSOGSA
1,05
TENSIONS (p,u)
1
0,95
0,9
0,85
0,8
51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
NOEUDS DE CHARGE
Figure 2.14 : Tension des charges pour le Cas1 avec TCSC.
65
Tableau 2.9 : Variables de contrôle pour le Cas2 avec SVC en p.u.

GSA GSA
V4 1,1000 1,0999 1,1000 T60-59 1,0019 0,9826 0,9814
V5 1,0877 1,0883 1,0888 T64-63 1,0117 0,9820 0,9839
V11 1,0637 1,0643 1,0648 T72-71 0,9560 0,9539 0,9526
V15 1,0899 1,0945 1,1000 T17-18 1,0184 0,9661 0,9632
V17 1,0936 1,0990 1,1000 T21-20 1,0620 0,9855 0,9851
V19 1,0070 1,0878 1,0924 T27-26 1,0366 0,9436 0,9395
V52 1,0446 1,0976 1,1000 T28-26 1,0807 1,0074 1,0041
V22 1,0249 1,0963 1,1000 T31-30 1,0299 0,9874 0,9863
V80 1,0498 1,0735 1,0632 T48-47 0,9785 0,9366 0,9351
V83 1,0702 1,0995 1,0880 T74-76 1,0429 0,9841 1,1000
V98 1,0811 1,0898 1,0900 Qc67 0,1812 0,1762 0,1232
V100 1,0884 1,0986 1,1000 Qc43 0,1089 0,4907 0,4999
V101 1,0995 1,0988 1,1000 Qc66 0,4873 0,4168 0,3012
V109 1,0842 1,0963 1,1000 Qc93 0,4181 0,4636 0,4596
V111 1,0648 1,0692 1,0720 Qc77 0,3082 0,1538 0,0183
T80-88 0,9000 0,9124 0,9642 Qc41 0,4996 0,4851 0,5000
T81-90 0,9454 0,9544 1,1000 Qc50 0,3174 0,2426 0,2265
T86-93 0,9577 0,9734 1,1000 Qc55 0,2245 0,2791 0,2807
T42-41 0,9133 0,9029 0,9000 Qc51 0,2927 0,2204 0,2298
T58-57 1,0405 0,9928 0,9834 Qc89 0,2548 0,2394 0,3410
T44-43 0,9524 0,9590 0,9578 Qc56 0,4947 0,4728 0,5000
PSO GSA PSOGSA

1,1
TENSIONS (p,u)
1,05
1
0,95
0,9
0,85
0,8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
NOEUDS DE CHARGE
PSO GSA PSOGSA
1,1
1,05
TENSIONS (p,u)
1
0,95
0,9
0,85
0,8
51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
NOEUDS DE CHARGE
66
Tableau 2.10 : Variables de contrôles pour le Cas2 avec TCSC en p.u.

GSA GSA
V4 1,1000 1,0995 1,1000 T60-59 0,9845 0,9828 0,9506
V5 1,0887 1,0884 1,0887 T64-63 0,9484 0,9530 0,9197
V11 1,0645 1,0622 1,0631 T72-71 1,0022 0,9597 0,9276
V15 1,0970 1,0934 1,0913 T17-18 1,0159 0,9601 0,9578
V17 1,0785 1,0694 1,0713 T21-20 1,0226 0,9947 0,9960
V19 1,0320 1,0638 1,0999 T27-26 1,0647 0,9681 0,9601
V52 1,0606 1,0756 1,1000 T28-26 1,0233 1,0169 0,9000
V22 1,0470 1,0779 1,0991 T31-30 1,0258 0,9920 0,9561
V80 1,0461 1,0637 1,0589 T48-47 0,9166 0,9414 0,9000
V83 1,0785 1,0998 1,0897 T74-76 1,0255 1,0210 1,0097
V98 1,0670 1,0780 1,0805 TCSC17-27 -0,0032 -0,0088 -0,0130
V100 1,0842 1,0972 1,1000 TCSC 15-16 -0,0019 -0,0058 -0,0108
V101 1,0888 1,0954 1,1000 TCSC 24-25 -0,0214 -0,0321 -0,0486
V109 1,1000 1,0882 1,1000 TCSC 42-48 -0,0263 -0,0262 -0,0276
V111 1,0090 1,0645 1,0843 TCSC 21-60 -0,0129 -0,0128 -0,0157
T80-88 0,9630 0,9285 0,9000 TCSC 17-21 -0,0148 -0,0152 -0,0181
T81-90 0,9587 0,9611 0,9105 TCSC 92-93 -0,1378 -0,1629 -0,1175
T86-93 1,0125 0,9616 0,9106 TCSC 35-29 -0,0745 -0,1138 -0,1165
T42-41 0,9000 0,9065 0,9000 TCSC 17-31 -0,0057 -0,0129 -0,0019
T58-57 0,9888 0,9576 0,9152 TCSC 49-41 -0,2997 -0,2972 -0,3000
T44-43 0,9355 0,9403 0,9000 TCSC 17-72 -0,0122 -0,0139 -0,0057
PSO GSA PSOGSA

1,1
1,05
TENSIONS (p,u)
1
0,95
0,9
0,85
0,8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
NOEUDS DE CHARGE
PSO GSA PSOGSA

1,1
TENSIONS (p,u)
1,05
1
0,95
0,9
0,85
0,8
51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
NOEUDS DE CHARGE
Figure 2.16 : Tension des charges pour le Cas2 avec TCSC.
67
Tableau 2.11 : Variables de contrôles pour le Cas3 avec SVC en p.u.

GSA GSA
V4 1,1000 1,1000 1,1000 T60-59 1,0002 0,9851 0,9846
V5 1,0930 1,0943 1,0945 T64-63 1,0370 0,9713 0,9717
V11 1,0707 1,0681 1,0681 T72-71 1,0245 0,9695 0,9689
V15 1,0919 1,0985 1,1000 T17-18 1,0337 0,9723 0,9717
V17 1,0903 1,0998 1,1000 T21-20 1,0237 0,9834 0,9820
V19 1,0237 1,0976 1,1000 T27-26 0,9789 0,9587 0,9557
V52 1,0419 1,0996 1,1000 T28-26 1,0998 0,9944 0,9905
V22 1,0299 1,0997 1,1000 T31-30 1,0055 0,9884 0,9880
V80 1,0615 1,0841 1,0846 T48-47 1,0257 0,9546 0,9535
V83 1,0701 1,0997 1,1000 T74-76 0,9724 0,9848 0,9855
V98 1,0828 1,0985 1,1000 Qc67 0,4999 0,4968 0,5000
V100 1,0885 1,0999 1,1000 Qc43 0,3200 0,4816 0,5000
V101 1,0917 1,0997 1,1000 Qc66 0,4969 0,4978 0,5000
V109 1,0980 1,0993 1,1000 Qc93 0,4961 0,4996 0,5000
V111 1,0782 1,0910 1,0934 Qc77 0,0346 0,0417 0,0419
T80-88 0,9699 0,9011 0,9000 Qc41 0,4566 0,4867 0,4999
T81-90 0,9214 0,9262 0,9262 Qc50 0,0994 0,0352 0,0317
T86-93 0,9003 0,9001 0,9000 Qc55 0,1607 0,1135 0,1131
T42-41 0,9006 0,9003 0,9000 Qc51 0,0635 0,0332 0,0315
T58-57 1,0027 0,9845 0,9861 Qc89 0,4669 0,3215 0,3254
T44-43 1,0271 0,9838 0,9857 Qc56 0,0959 0,2414 0,2432
PSO GSA PSOGSA

1,1
TENSIONS (p,u)
1,05
1
0,95
0,9
0,85
0,8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
NOEUDS DE CHARGE
PSO GSA PSOGSA

1,1
TENSIONS (p,u)
1,05
1
0,95
0,9
0,85
0,8
51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
NOEUDS DE CHARGE
68
Tableau 2.12 : Résultats d’optimisation pour le Cas1 avec SVC.
Base PSO GSA PSOGSA

QC (p.u) 0 2.0028 2.3473 1.9601
FPER (p.u) 0.7159 0,5398 0,5703 0,5285
FVsta (p.u) 0.6788 0,5717 0,6271 0,5707
Tableau 2.13 : Résultats d’optimisation pour le Cas1 avec TCSC.
Base PSO GSA PSOGSA

Abs(XTCSC) (p.u) 0 0.6931 0.6210 0.6010
FPER (p.u) 0.7159 0,3475 0,3450 0,3293
FVsta (p.u) 0.6788 0,6582 0,6396 0,5990
Tableau 2.14 : Résultats d’optimisation pour le Cas2 avec SVC.
Base PSO GSA PSOGSA

QC (p.u) 0 3.5873 3.6405 3.4803
FPER (p.u) 0.9720 0,6995 0.7032 0,6565
FVsta (p.u) 2.5195 2,1496 2.1683 2,1080
Tableau 2.15 : Résultats d’optimisation pour le Cas2 avec TCSC.
Base PSO GSA PSOGSA

Abs(XTCSC) (p.u) 0 0.6745 0.7070 0.6557
FPER (p.u) 0.9720 0,4087 0.4162 0,3747
FVsta (p.u) 2.5195 2,2687 2.2801 2,2506
Tableau 2.16: Résultats d’optimisation pour le Cas3 avec SVC.
Base PSO GSA PSOGSA

QC (p.u) 0 3.1907 3.2482 3.1547
FPER (p.u) 0.7106 1,2000 1.1505 1,1459
FVsta (p.u) 0.5784 0,6114 0.6196 0,5735
69
SVC : cas 1
272
PSO GSA PSOGSA
270
268
Fonction Objectif(p.u)
266
264
262
260
0 50 100 150 200 250 300 350
Iterations
Figure 2.18 : Caractéristique de convergence de la méthode proposée, PSO, et GSA

Pour le Cas 1 avec SVC.
TCSC :cas 1
66
PSO GSA PSOGSA
65
64
63
FonctionObjectif (p.u)
62
61
60
59
58
57
56
0 50 100 150 200 250 300

Iterations

Pour le Cas 1 avec TCSC.
70
SVC :cas 2
490
PSO GSA PSOGSA
485
480
475
FonctionObjectif(p.u)
470
465
460
455
450
445
440
0 50 100 150 200 250 300 350
Iterations

TCSC :cas 2
205
PSO GSA PSOGSA
200
195
FonctionObjecti(p.u)
190
185
180
175
0 50 100 150 200 250 300

Iterations

Pour le Cas 2 avec TCSC.
71
SVC :cas 3
100
PSO GSA PSOGSA
98
96
94
FonctionObjectif(p.u)
92
90
88
86
84
82
80
0 50 100 150 200 250 300 350
Iterations

2.8.3 Discussion des résultats
Les Tableaux 2.7 à 2.16 présentent les variables de contrôle obtenues avec la méthode
proposée, les particules en essaims (PSO) et la méthode de recherche gravitationnelle (GSA),
utilisant deux types de FACTS (SVC et un TCSC) pour les trois cas d’études. À partir de ces
tableaux, on peut voir que toutes les variables de contrôle obtenues par la méthode proposée
et les deux méthodes de comparaison sont dans les limites sécuritaires. Ainsi les tensions des
nœuds charge obtenues par les trois algorithmes utilisant un SVC et un TCSC sont données
dans les Figures 2.13 à 2.17. Aussi les tensions des nœuds charge obtenues sont dans les
limites permissibles. Ces résultats sont encourageants et montrent l’efficacité de l’approche
proposée.
Les résultats obtenus des pertes actives, stabilité de tension et la somme d’énergie
réactive à investir, obtenus avec l’application de la méthode proposée, PSO et GSA pour les
trois cas d’étude en utilisant l’SVC et le TCSC sont listés dans les Tableaux 2.12 à et 2.16.
Les résultats obtenus montrent que dans les trois cas d’études, le minimum des pertes actives
trouvées par l’installation de SVC est plus important que celui obtenue par l’installation du
TCSC. Dans le Cas 1 les investissements en SVC de 1.96 pu, 2.34 pu, et 2.00 pu sont
respectivement obtenus par l’application des méthodes PSOGSA, PSO et GSA où les pertes
72
actives sont réduits respectivement de 15.80 % ,7.616 % et 15,92 %. Les pertes sont réduites
de 3.03 %, 5.77 % et 11.51 % respectivement par l’installation de 0.69 p.u, 0.62 p.u et 0.60
p.u de TCSC. Aussi, les résultats obtenus montrent que le minimum de la stabilité de tension
obtenue par l’application du TCSC est plus important que celui trouvé par SVC. Dans le Cas
2, des investissements de 0.67 p.u, 0.70 pu et 0.65 p.u du TCSC sont obtenus respectivement
par l’application des méthodes PSOGSA, PSO et GSA. Le minimum de stabilité de tension est
réduit à 0.40 p.u, 0.41 p.u et 0.37 p.u et par l’utilisation du SVC, ce minimum est réduit à 0.69
p.u, 0.70 p.u et 0,65 p.u.
Les résultats obtenus par l’augmentation de la puissance réactive aux nœuds critiques
(Cas 3), a engendré une augmentation de la puissance réactive à installer, ou en comparent
les résultats du Cas 3 avec le Cas1, on remarque une nette augmentation de la puissance
réactive. Dans le cas 1, l’énergie réactive totale investie par la méthode proposée est de
1.96p.u et l’énergie réactive installée dans le Cas 3 est de 3.15p.u. Ce qui montre l’efficacité
et la robustesse de notre algorithme. Les caractéristiques de convergence de la méthode
proposée, PSO et GSA par l’SVC et le TCSC sont présentées respectivement dans les Figures
3.18 à 3.22.
73
2.9 CONCLUSION
Au début de ce chapitre est présenté un état de l’art des travaux de recherche associés au
problème d’optimisation de l’énergie réactive et l’utilisation des dispositifs FACTS. Cette
partie est suivie par la formulation de la méthode de Newton-Raphson pour le calcul
d’écoulement de puissance dans les réseaux de transport.
Une méthode métaheuristique hybride qui combine la méthode des particules en essaims
(PSO) et la méthode de la recherche gravitationnelle (GSA) a été testée et validée pour la
planification des moyens de compensation en énergie réactive sur le réseau Algérien 114
nœuds. L’emplacement des dispositifs FACTS est trouvé à l’aide des indices de stabilités de
tension FVSI (Fast Voltage Stability Index), Lmn (Line Stability Index) et LPQ (Line Stability
Factor).
Les résultats des simulations montrent une grande performance de l'algorithme de

PSOSGA pour la minimisation des pertes de puissance active et la stabilité de tension du
système. L’analyse des résultats est très prometteuse étant donné que les principaux objectifs
de la technique proposée ont été atteints:
 Les variables d'état et de contrôle ont été portées à leurs limites permissibles.
 La stabilité de la tension est assurée au bus le plus critique dans le système en
installant les dispositifs de compensation.
 Le minimum de coût d’investissement des dispositifs FACTS est obtenu.
 Le minimum de pertes de la puissance active est atteint.
74
Chapitre 3 Optimisation de la planification de l’énergie réactive dans le réseau de distribution
CHAPITRE 3
Optimisation de la planification de l’énergie
réactive dans le réseau de distribution
3.1 INTRODUCTION
Un nombre non négligeable de travaux ont traité le problème de l’optimisation de la

compensation de l’énergie réactive dans les lignes de distribution, c’est-à-dire déterminer les
tailles des batteries de condensateurs et leurs emplacements pour réduire les pertes de
puissance dans la ligne.
Les études ont indiqué que pas moins de 13% de la puissance totale produite est
consommée comme pertes Joules au niveau de la distribution. Les courants réactifs
expliquent une partie de ces pertes. Cependant, les pertes produites par les courants réactifs
peuvent être réduites par l'installation de condensateurs shunt. En plus de la réduction des
pertes d'énergie et de puissance, l'emplacement efficace de ces condensateurs peut également
augmenter la capacité en kVA des lignes de distribution et améliore le profil de tension du
réseau. Le choix des puissances des batteries et leurs emplacements et même leurs temps de
mise en service doit être fait de sorte que le retour économique attendu soit positif ou en
d’autres termes, il faut que le coût de l’investissement réalisé soit inférieur aussi bénéfices
tirés de l’opération de compensation. Ainsi, le problème de l'emplacement optimale des
compensateurs implique la détermination des endroits, tailles, et nombre à installer dans un
réseau pour que le bénéfice maximal soit réalisé tandis que toutes les contraintes
opérationnelles sont satisfaites et ceci pour différents niveaux de charge [107].
La littérature éditée décrivant les algorithmes de placement des compensateurs est

abondante. Le Groupe de Travail de Gestion de VAR de ‘’IEEE Sub-committee of Power
Systems Control’’ a édité une autre bibliographie sur la commande de puissance réactive et
tension dans les réseaux électriques [108]. Le compte total des publications à énumérer dans
cette littérature est plus de 400, et plusieurs de ces documents sont spécifiques au problème
d'attribution optimale des compensateurs.
75
Le problème traité dans ce travail est basé sur les algorithmes évolutionnaires. Ce
programme est formulé comme étant un problème d’optimisation combinatoire mono-
objective avec des contraintes.
La fonction objectif proposée tient compte le fait que la réduction du transit du courant
réactif entraine une réduction des pertes de puissance réactive. La méthode proposée est testée
sur le réseau IEEE 34 nœuds et appliquée au réseau Djanet 112 nœuds.
3.2 État de l’art
Le but de cette section est de montrer la progression de la recherche dans le placement

optimal des compensateurs dans les réseaux de distribution et de donner une classification des
algorithmes qui existent suivant leurs méthodes d'approche et leurs efficacités.
Les techniques de solution pour le problème d'emplacement des compensateurs peuvent

être classées en quatre catégories : programmation analytique, numérique, heuristique et celle
basé sur l’intelligence artificielle. On peut classifier les méthodes en quatre catégories,
analytique, programmation numérique, heuristique et l’intelligence et méta heuristique.
Neagle et Samson [109], Cook [110]-[111], Schmill [112], Chang [113]-[114] et Bae
[115], ont tous utilisé des approches analytiques pour maximiser une certaine forme de la
fonction coût. Bien que des solutions simples de forme close ont été réalisées, ces méthodes
ont été fondées sur des hypothèses peu réalistes avec des lignes de section de conducteurs
constante et des charges uniformément réparties. C’était la première recherche où la célèbre
règle « deux tiers » a été établie. La règle « deux-tiers » propose pour la réduction maximale
des pertes, un condensateur évalué à deux tiers de la charge réactive maximale et installé à
une distance de deux tiers de la longueur totale de la ligne. Ces méthodes analytiques sont
faciles à comprendre et à mettre en application. Malgré les prétentions peu réalistes faites par
la règle « deux-tiers », quelques programmes de placement de condensateur ont été
implémentés en se basant sur cette règle [116]. Pour réaliser des résultats plus précis, les
modèles des lignes ont été améliorés. Grainger et son équipe [117]-[118], et Salama et son
équipe [119]-[120], ont formulé un modèle normalisé équivalent de la ligne en considérant la
ligne avec des sections de conducteur différentes et une distribution des charges non
uniforme. Grainger et al ont également inclus la planification des condensateurs commutés
dans leurs algorithmes, et amélioré leur travail pour les condensateurs en incorporant le
placement de régulateur dans les publications [121] - [123]. Ces dernières méthodes
76
analytiques fournissent une modélisation réaliste des lignes de distributions radiales et

prennent en considération les charges variables des réseaux de distribution. Pour démontrer
plus l’importance de la modélisation appropriée des lignes de distribution et la considération
de charge variable. Grainger et son équipe démontrent avec l’exemple dans [112] à quel point
la règle « deux-tiers » peut être imprécise et conduit à des résultats de gain négatif.
Duran [124] a été le premier à utiliser une programmation dynamique au problème de

l’attribution des condensateurs. La formulation dans [124] est simple et considère seulement
la réduction des pertes d'énergie, elle est appliquée pour des tailles discrètes des
condensateurs. Fawzi et son équipe [125] ont continué ce travail mais en incluant le kVA
libéré dans la fonction objectif. Ponnavaikko et Rao [126] ont employé une méthode
numérique appelée la méthode de variations locales en considérant les effets de
l’augmentation de charge, et des condensateurs commutés pour la charge variable. De même,
Baran et Wu [127]-[128] ont formulé le problème de l’attribution des condensateurs en
utilisant la programmation linéaire mixte en variables entières « Mixed Integer
Programming». Baldick et Wu [129] ont continué l'utilisation de la programmation
quadratique pour coordonner le fonctionnement optimal des condensateurs et des régulateurs
dans les réseaux de distribution.
Abdel-Salam et son équipe [130] ont proposé une technique heuristique basée sur l’idée
de [131]-[132] d'identifier la section du réseau de distribution qui présentent les pertes les plus
élevées dues aux courants réactifs des charges et sélectionné le nœud sensible appartenant à
cette section qui affecte le plus la réduction des pertes totales du réseau. Les tailles des
condensateurs placés au niveau des nœuds sensibles sont alors déterminées en maximisant la
réduction des pertes de puissance par la compensation des condensateurs. M.Chis et son
équipe [133] ont amélioré le travail [130] en déterminant les nœuds sensibles qui ont le plus
grand impact sur la réduction des pertes totales de puissance pour le réseau entier directement
et par l’optimisation des tailles des condensateurs basés sur la maximisation du gain en coût
de la réduction des pertes de l’énergie et de la puissance. En plus la méthode en [133] prend
en considération les charges variables du réseau considéré.
La popularité de l'IA a poussée beaucoup de chercheurs à étudier son utilisation dans les
applications d'ingénieries dans les réseaux électriques. En particulier, les algorithmes
génétiques (GA), recuit simulé (SA), systèmes experts (ES), réseaux de neurones artificiels
77
(ANN), et la logique flou (FL) ont été mis en application dans le problème d’optimisation du
placement des compensateurs.
Boone et Chiang [134] ont conçu une méthode basée sur les AG pour déterminer les
tailles et les emplacements optimaux des condensateurs. Les tailles et les emplacements des
condensateurs sont codés en binaire et un croisement est exécuté pour produire la nouvelle
population. Cette formulation du problème a considéré seulement les coûts des condensateurs
et la réduction des pertes de puissance. Sundhararajan et Pahwa [135] ont également utilisé les
algorithmes génétiques pour l’optimisation du choix des condensateurs dans des réseaux de
distributions. Cependant, leur travail diffère de [134] du fait qu’ils emploient une stratégie
d’élitisme où les gènes codés choisis pour la prochaine génération ne passent pas par les
procédures de croisement et de mutation. En plus, cette formulation inclut la réduction des
pertes d’énergie omise dans [136]. Miu et son équipe [136] ont révisé la formulation d’AG
dans [134], et ont inclut des dispositifs additionnels de remplacement et de commande des
condensateurs pour les réseaux de distribution déséquilibrés. Szuvovivsk et al [137] ont utilisé
une méthode multi-objectif basée sur les algorithmes génétiques pour l’optimisation du choix
des condensateurs et des régulateurs de tensions dans les réseaux de distributions pour
l’amélioration de la qualité de tension. Ahmed and Abul’Wafa dans [138] ont utilisés une
technique hybride qui combine une méthode analytique et algorithmes génétiques poue
l’amélioration de la stabilité de tension.
Salama et al [139]-[140] ont développé un (SE) contenant des expériences techniques de

la littérature (TLE) et des expériences humaines (HE) pour la commande de puissance
réactive d'un réseau de distribution. Le TLE a inclus la méthode d'attribution des
condensateurs basée sur [119] et [120] pour maximiser le gain en coût de la réduction des
pertes de puissance et d'énergie. Le HE est composé de bases de connaissances contenants des
informations pour guider l’utilisateur à perfectionner le contrôle de la puissance réactive pour
la planification, le fonctionnement et le choix des étapes de délestage des réseaux de
distributions.
Santoso et Tan [141] ont utilisé les réseaux de neurones artificiels pour la commande
optimale des condensateurs commutés. Dans leur travail, deux réseaux de neurones sont
proposés : Un réseau neuronal pour prévoir le profil de charge avec un ensemble de valeurs de
charge précédemment obtenues à partir de mesures directes dans plusieurs nœuds, et un
deuxième réseau neuronal pour sélectionner la position optimale du condensateur en se
78
basant sur le profil de charge prévu par le premier réseau. Le premier réseau est formé avec
un ensemble pré enregistré de profils de charge et le deuxième réseau est formé pour
maximiser la réduction des pertes d’énergie pour les conditions de charge données. Une fois
les deux réseaux formés, les calculs itératifs ne sont plus exigés et une solution rapide pour un
ensemble donné d'entrées peut être fournie. Gu et Rizy [142] ont suivi la méthode de [141] et
ont inclut une fonction additionnelle de commande de régulateur.
Chin [143] a utilisé la théorie des ensembles flous en formulant trois fonctions
d’appartenances pour décrire les pertes de puissance, la déviation de tension des nœuds, et la
déformation harmonique. Une variable de décision est alors calculée pour déterminer le nœud
d’emplacement du condensateur en considérant l’intersection des trois fonctions
d’appartenance pour chaque nœud du réseau de distribution. Le nœud avec la plus grande
valeur décisive est choisi pour l’installation du condensateur. Aucune procédure
d’optimisation mathématique n’est donnée dans [143] pour calculer les tailles des
condensateurs à placer dans les nœuds choisis par la théorie des ensembles flous.
H. Ng et son équipe [144] ont appliqué la théorie des ensembles flous au problème de
l’attribution des condensateurs en employant un raisonnement d’approximation flou. Des
indices de tension et de perte de puissance des nœuds du réseau de distribution sont modélisés
par des fonctions d’appartenances et un système expert flou contenant un ensemble de règles
d’exécutions heuristiques d’inférences pour déterminer l’indice de convenance de chaque
nœud. Les condensateurs sont placés dans le nœud ayant le plus grand indice de convenance.
Le système d’inférence de [144] peut également expliquer n’importe quelle incertitude dans
les paramètres utilisés ou le manque de données.
3.3 Calcul de l’écoulement de puissance dans un réseau de distribution
Dans la littérature plusieurs algorithmes de calcul de l’écoulement de puissance sont

présentés. Certains sont adaptés aux calculs des grands réseaux, complexes et maillés. Tel
que les algorithmes basés sur la méthode Newton Raphson, méthode Gauss Seidel et la
méthode Zbus Gauss [145], [146]. Ces méthodes sont mal adaptées et non efficaces dans
l’analyse des réseaux de distribution [147] (divergence, temps de calcul long si convergence
existe).
Le calcul de l’écoulement de puissance dans une ligne de distribution radiale comportant

ou non des ramifications peut être fait en utilisant soit la méthode de Newton Raphson
79
modifié [148] ou soit la méthode backward-forward [149]. Parmi ces deux méthodes la
méthode backward-forward, basée sur les lois de base des circuits électrique [147], est la plus
simple à mettre en œuvre et à une vitesse de convergence plus élevée [146] donc la plus
couramment utilisée. La méthode backward-forward est une méthode itérative utilisant deux
systèmes d’équation. Le premier système a pour but la détermination des puissances
s’écoulant dans chacune des branches de la ligne ainsi que les courants qui les circulent. Et
ceci se réalise en balayant en montée la ligne (backward sweep). Tandis que le second
système d’équations permet de déterminer les tensions aux différents nœuds ainsi que leurs
phases à l’origine en faisant balayer la ligne en descente (forward sweep) [150]. Le processus
de balayage en montée et en descente n’est arrêté que si la tolérance de convergence est
atteinte. Dans la littérature il existe trois variantes de la méthode de backward-forward [150] :
la méthode de sommation des courants, la méthode de sommation des puissances et la
méthode de sommation des admittances. Pour la suite de ce travail nous allons utiliser la
méthodede sommation des courants. Pour ce faire, la procédure suivante est employée :
3.3.1 Numérotation des éléments d’une ligne radiale
Pour faciliter la reconnaissance de la configuration d’une ligne, les nœuds et les branches
sont numérotés selon une technique de numérotation présentant un ordre de numérotation très
simple pour des réseaux de distribution avec ou sans ramifications [151], [150].Pour illustrer
cette technique de numérotation, le réseau de la Figure 3.1 est pris comme exemple.
Tout d’abord, il est nécessaire d’établir la matrice de connectivité de la ligne. Pour une
branche « i » donnée, SE (i) est son nœud source et RE (i), est son nœud récepteur.
Figure 3.1 : Exemple de numérotation d’une ligne radiale.
80
Tableau 3.1 : Matrice de connectivité de la ligne de la Figure 1.3.
Branches(i) 1 2 3 4 5 6 7 8 9 10
SE (i) 0 1 2 3 4 2 6 3 8 9
RE (i) 1 2 3 4 5 6 7 8 9 10
La numérotation de la ligne commence à partir du nœud source auquel est affecté le

numéro zéro [152]. Ensuite, les nœuds de la ligne principale (artère principale) doivent être
numérotés en premier lieu. Le nœud qui vient après le nœud source aura le numéro 1 et ainsi
de suite jusqu’au dernier nœud formant la ligne principale. Pour l’exemple de la Figure 3.1,
le nœud 5 est le dernier nœud de la ligne principale.
Une fois la ligne principale numérotée, elle sera scrutée à partir du nœud source pour
déterminer d’éventuelles branches latérales (ramification). La première ramification trouvée
après le nœud source, branche sortant du nœud 2 par exemple, sera la première à être
numérotée. Ses nœuds auront les numéros qui sont la continuation du dernier nœud de la ligne
principale (dernier numéro de la ligne principale 5 et le premier numéro de ramification est 6).
Les nœuds de la ramification suivante, branche sortante du nœud 3, auront une continuation
du dernier numéro du nœud de la ramification précédente (dernier numéro de la ramification
précédente 7 et le premier numéro de la ramification en cours 8), ainsi de suite jusqu’à la
dernière ramification. Quant aux branches, ils obtiennent les numéros du nœud récepteur.
3.3.2 Détermination des nœuds après chaque branche

3.3.2.1 Construction de la matrice d’incidence
La détermination des nœuds après chaque branche, nécessite en premier lieu la

construction de la matrice d’incidence branches-nœuds [150]. Dans cette matrice appelée «
IM », les numéros des lignes sont les identificateurs des branches et ceux des colonnes, les
identificateurs des nœuds. Les éléments de «IM », sont définis comme suit [150], [151] :
  1 si j est le nœud source de la branche i


IM  i, j   1 si j est le nœud récepteur de la branche i (3.1)
 0 autrement  pas de liaison entre i et j 

81
Ainsi, pour l’exemple donné à la Figure 3.1, nous obtenons la matrice d’incidence
suivante :
Nœuds 
Branches

1 0 0 0 0 0 0 0 0 0
-1 1 0 0 0 0 0 0 0 0
0 -1 1 0 0 0 0 0 0 0
0 0 -1 1 0 0 0 0 0 0
0 0 0 -1 1 0 0 0 0 0 (3.2)
IM 
0 -1 0 0 0 1 0 0 0 0
0 0 0 0 0 -1 1 0 0 0
0 0 -1 0 0 0 0 1 0 0
0 0 0 0 0 0 0 -1 1 0
0 0 0 0 0 0 0 0 -1 1
La matrice d’incidence nœuds-branches « NB » est obtenue en inversant la matrice

d’incidence IM [150]. Les numéros des lignes de la matrice obtenue « NB » sont les
identificateurs des nœuds et ceux des colonnes les identificateurs des branches. Pour notre
exemple, on a la matrice « NB » suivante :
Nœuds 
Branches

1 0 0 0 0 0 0 0 0 0
1 1 0 0 0 0 0 0 0 0
1 1 1 0 0 0 0 0 0 0
1 1 1 1 0 0 0 0 0 0
1 1 1 1 1 0 0 0 0 0 (3.3)
NB  inv  IM  
1 1 0 0 0 1 0 0 0 0
1 1 0 0 0 1 0 0 0 0
1 1 1 0 0 0 1 1 0 0
1 1 1 0 0 0 0 1 1 0
1 1 1 0 0 0 0 1 1 1
À l’aide de la matrice NB, il est possible de déterminer tous les nœuds situés au-delà
d’une branche donnée. En prenant en exemple la colonne 8, qui représente la branche 8 de la
ligne de l’exemple, les éléments non nuls se trouvent sur les lignes de la matrice 8, 9 et 10. Ce
82
qui implique que les nœuds qui viennent après la branche 8 sont ceux ayant les numéros 8, 9
et10.
En analysant cette matrice NB on voit que, pour une colonne donnée les éléments non
nuls peuvent ne pas se suivre, et que des éléments nuls peuvent les séparer. De ce fait, lors du
calcul de l’écoulement de puissance, on sera obligé de parcourir toute la colonne, alors qu’une
partie des nœuds, éléments non nuls, suit la branche concernée. Par conséquent, ce type de
Présentation de la matrice nœuds-branches conduit à une augmentation du temps de

calcul et d’espace de mémoire de l’ordinateur. Ce qui nous conduit à établir un nouveau type
de matrice d’incidence.
3.3.2.2 Structure nouvelle de la matrice incidence
Dans cette nouvelle matrice les éléments non nuls sont classés de telle manière qu’il n’y
est pas des éléments nuls intercalés entre eux. Ainsi, la détermination des puissances qui y
transitent est concentrée seulement sur les nœuds qui suivent la branche concernée. Ce qui
permet donc de réduire le temps de calcul de l’écoulement de puissance [150]. Dans cette
nouvelle matrice d’incidence BR, les lignes indiquent les numéros des branches et ses
éléments non nuls indiquent les nœuds qui viennent après chaque branche (le numéro du
nœud qui vient juste avant l’élément nul est nœud terminal). Ce qui permet d’éviter ainsi le
calcul pour BR (i,j)=0.
Nœuds 
Branches

1 2 3 4 5 6 7 8 9 10
2 3 4 5 6 7 8 9 10 0
3 4 5 8 9 10 0 0 0 0
4 5 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0 0 0 0 (3.4)
BR 
6 7 0 0 0 0 0 0 0 0
7 0 0 0 0 0 0 0 0 0
8 9 10 0 0 0 0 0 0 0
9 10 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0
Un vecteur nommé M est créé, où M(i) indique le numéro de la branche et ses valeurs
indiquent le nombre total des nœuds, égal au nombre d’éléments non nuls, qui suivent cette
83
branche. Lorsque M(i) est égale à 1, cela signifie que la branche (ou nœud) est une branche
(ou nœud) terminale. Pour l’exemple, le vecteur M est comme suit :
M  10 9 6 2 1 2 1 3 2 1 (3.5)
Pour i = 5, i=7 et i=10 représentant les branches 5, 7 et 10 sont des branches terminales.
Par exemple M(8) = 3, indique que la branche 8 possède 3 nœuds qui la suivent. Ces nœuds
sont donnés par la matrice BR ci-dessus.
3.3.2.3 Algorithme de construction
En premier lieu, le nombre total des nœuds « n » des lignes ainsi que sa matrice de
connectivité comportant les nœuds sources SE et les nœuds récepteurs RE sont introduit,
comme données dans le programme global. Ensuite, à l’aide de l’organigramme suivant, la
matrice BR et le vecteur M sont construits.
Figure 3.2 : Organigramme pour la construction de la matrice BR et du vecteur M.
3.3.3 Modélisation des charges
Dans un réseau de distribution, les charges sont de types différents : résistives,

inductives, capacitives. Les puissances actives et réactives de ces charges dépendent des
84
tensions des nœuds auxquelles elles sont branchées. Le modèle d’une charge placée à un
nœud quelconque ‫״‬i ‫״‬peut-être écrit sous les formes suivantes [153].
3.3.3.1 Forme exponentielle :
  Vi 


 Pi  P0  
 ,
  V0 
  (3.6)
  Vi 
 
Q i  Q 0  V  .
  0 
Où :
- Pi et Qi : puissances active et réactive respectives de la charge au nœud ‫״‬i‫״‬.
- P0 et Q0 : puissances active et réactive nominales de la charge respectivement.
- Vi : tension aux bornes de la charge au nœud ‫״‬i‫״‬.
- V0 : tension nominale de la ligne.
- α et ߚ : définissent la variation de la puissance active et réactive de la charge en

fonction de la variation de la tension d’alimentation. Leurs valeurs égales à 0, 1 ou 2
correspondent respectivement à une charge de puissance constante, courant constant ou
impédance constante.
3.3.3.2 Forme polynomiale.
   V 2 V  
 Pi  P0  Z p  i   I p  i   Pp 
   V 
  V0   0   Z p  I P  Pp  1
 Avec :  (3.7)
 V    Z q  I q  Qq  1
2
  Vi 
 iQ  Q0  Z 
q
i

  I 
q

  Q q
   V0   V0  
Sous cette forme, la charge est de :
Puissance constante si Pp=1, Qq=1 et Ip=Iq=Zp=Zq=0.
A courant constant si Ip =Iq =1 et le reste des autres coefficients sont nuls.
Impédance constante si Zp=Zq=1 et le reste des autres coefficients sont nuls [150].
85
3.3.4 Hypothèses de calcul

- Les charges sont considérées comme étant de puissances constantes.
- Les lignes de distributions étudiées sont des systèmes équilibrés. Ce qui nous permet
de les représentées par leurs schémas unifilaires.
- Les lignes de distributions sont de moyennes tensions et de courtes longueurs. Par
conséquent, les admittances shuntes du schéma équivalent sont négligées.
3.3.5 Puissance dans une branche
Dans la littérature nous rencontrons deux modèles de calcul des puissances s’écoulant
dans une branche. Les deux modèles diffèrent dans la manière dont la puissance à la fin de
chacune des branches de la ligne est calculée. Dans le premier modèle, les puissances à la fin
d’une branche donnée sont calculées en additionnant les puissances des charges branchées
aux nœuds situés au-delà de cette branche ainsi que leurs pertes Tandis que dans le second
modèle, les puissances à la fin d’une branche donnée sont calculées en prenant en compte les
puissances en début de la branche déjà calculées, et des branches qui en sortent[154]. Dans ce
travail nous avons opté pour lepremiermodèle.
3.3.5.1 Modèle de calcul des puissances
Avec la considération des hypothèses citées au paragraphe 3.3.4 et du schéma équivalent

d’une branche (Figure 3.3), l’écoulement de puissance dans une ligne est modélisé comme
suit [154],
Figure 3.3 : Schéma équivalent de la ième branche compensée.
86
A) Puissance à la fin de branche
Les puissances active et réactive au bout d’une branche quelconque notée « i » sont
données par [152]:
 BR ( i ,1) BR ( i , 2 )
 Pi   LK K  BR(i,Mploss
P  K,
 K  BR ( i , M ( i )) ( i ))
 (3.8)

 BR ( i ,1) BR ( i , 2 ) BR ( i ,1)
Qi 

 LK K  BR(i,M (i ))
Q
K  BR ( i , M ( i ))
 qloss K   QcK .
K  BR ( i , M ( i ))
Où :
- M (i) : est le nombre total des nœuds à la suite de la branche ‫״‬i‫״‬.
- BR (i, k) ; 1 ≤ k ≤ M(i) : les nœuds après la branche ‫״‬i‫״‬.
- PLk et QLk : sont respectivement la puissance active et réactive de la charge au nœud ‫״‬k‫״‬.
- Qck : est la puissance réactive injectée au nœud ‫״‬k‫״‬.
- Pi : est la puissance active à la fin de la branche ‫״‬i‫״‬. Égale à la somme des puissances actives
des charges des nœuds qui suivent la branche ‫״‬i‫( ״‬nœud ‫״‬i‫ ״‬compris) plus la somme des pertes
de puissance active dans les branches qui la suivent (branche ‫״‬i‫ ״‬non comprise).
- Qi : est la puissance réactive à la fin de la branche ‫״‬i‫״‬. C’est la somme des puissances
réactives des charges des nœuds qui suivent la branche ‫״‬i‫( ״‬nœud ‫״‬i‫ ״‬compris)plus la somme
des pertes de puissance réactive des branches qui la suivent (branche ‫״‬i‫ ״‬non comprise).
- plossk et qlossk : respectivement les pertes de puissance active et réactive dans la kéme
branche.
B) Puissance au début de branche
Les puissances active et réactive s’écoulant dans la branche « i » à partir de son nœud
source sont :
 P1i = Pi + ploss i ,
 (3.9)
Q1i = Qi + qloss i .
87
C) Les pertes de puissance
Les pertes de puissance active et réactive dans la branche « i » sont données par :
 Pi 2 + Qi2
 ploss i = 2
.ri ,
 Vi
 2 2
(3.10)
qloss = Pi + Qi . X .
 i 2 i
 Vi
Où :
-ri et Xi sont la résistance et la réactance de la branche « i ».
-Vi est la tension au nœud « i ».
3.3.6 Courant de branche
Le courant de branche est égal à la valeur conjuguée du rapport de la puissance

apparente en début de branche « i » sur la tension du nœud source de cette branche. En
fonction des puissances actives et réactives à l’extrémité de la branche « i », nous obtenons
pour ce courant l’expression [154]:
*
Sli Pl  jQli
Fi  *  *i (3.11)
V V  SE i 
Avec : V  SE i   V  SE i  .  cos  φ  SEi    jsin  φ  SE i   
Où :
- V (SE(i)) : tension du nœud source de la branche ‫״‬i‫״‬.
- φ (SE(i)) : la phase à l'origine de la tension au nœud source de la branche ‫״‬i‫״‬.
En décomposant l’expression 3.8 selon les axes d et q le système d’équation suivant est
obtenu [152]:
 Pli cos   SE i    Qli sin  φ  SE i  

Fd i 
 V(SEi )
 (3.12)
 Qli cos  φ  SE i    Plisin  φ  SEi  
Fq i 
 V(SEi )
88
3.3.7 Tension et phase à l’origine d’un nœud
Pour une branche donnée « i », l’expression complexe de la tension du nœud récepteur

de cette branche est [155] :
V  RE  i    V  SE  i     r  RE  i    jX  RE  i    .  Fd  RE  i    jFq  RE  i    (3.13)
La décomposition de l’expression 3.13 selon les axes d et q nous donne les expressions
suivantes :
Vd  RE  i    Vd  SE  i    r  RE  i   .Fd  RE  i    X  RE  i   .Fq  RE  i   (3.14)


Vq  RE  i    Vq  SE  i    X  RE  i   .Fd  RE  i    r  RE  i   .Fq  RE  i  
Selon le système de numérotation, le nœud source de la ligne est le nœud zéro. Ce nœud
est pris comme nœud de référence (d’origine). Donc, les composantes d et q de la tension du
nœud récepteur de la branche 1 de la ligne sont données par le système suivant:
Vd  RE  i    1  r  RE  i   .Fd  RE  i    X  RE  i   .Fq  RE  i  

 (3.15)
Vq  RE  i     X  RE  i   .Fd  RE  i    r  RE  i   .Fq  RE  i  
é me
La valeur efficace de la tension du nœud receveur de la i branche et sa phase à
l’origine son alors obtenues par :
 V  RE  i    Vd 2  RE  i    Vq 2  RE  i   ,

 Vq  RE  i   (3.16)
  RE  i    tg
1
 Vd  RE  i  
3.3.8 Test de convergence
La métrique de Minkowski est utilisée pour évaluer la proximité entre deux vecteurs.
Cette métrique fournit un indice permettant l’évaluation de l'écart entre deux vecteurs xሬ
⃗et y
ሬ
⃗.
Le métrique de Minkowski est définie par [156] :
1
 n r
r
d  x, y    x j  y j  avec r ≥ 1. (3.17)
 j1 
89
Où :
n : est la dimension des vecteursxሬ

⃗et y
ሬሬ⃗.
Les distances les plus fréquemment utilisées sont en fonction de la valeur de r :
- Pour une valeur de r=2 nous obtenons la distance euclidienne, qui est définie par :
1
n 2
2
d  x, y    x j  y j  (3.18)
 j1 
- Pour une valeur de r=1, nous obtenons la distance de Manhattan, qui est définie par :
n
d  x, y   x j  y j (3.19)
j1
Et pour r qui tend vers l'infini nous avons la distance du maximum. Ainsi, nous obtenons
l’expression suivante.
d  x, y   max1 j n x j  y j (3.20)
Toutes ces distances sont équivalentes. L’expression 3.20 sera utilisée pour le test de
convergence lors du calcul de l’écoulement de puissance. Où les vecteurs xሬ
⃗et y
ሬ
⃗ représentent
les vecteurs tensions des différents nœuds de la ligne de l’itération en cours et précédente
respectivement.
3.3.9 Algorithmes de calcul
En partant de la première branche, les tensions des nœuds situés au-delà de cette branche
sont initialisées à celle de son nœud de source. Après avoir calculé les différentes puissances
et le courant de branche en question, la tension du nœud récepteur de la dite branche est
calculée. Ensuite, tous les nœuds qui suivent ce nœud récepteur sont initialisés à ce dernier.
Avec ces nouvelles valeurs de tension obtenues, on recalcule les puissances actives et
réactives ainsi que les pertes de puissances. Après, vient le calcul des courants des branches
alimentées par ce nœud récepteur. L’étape qui suit c’est le calcul des tensions des nœuds
récepteurs des branches sortant de la précédente branche auxquelles sont initialisées celles de
leurs nœuds suivants [152]. Ce processus est répété jusqu’au dernier nœud.
90
L’algorithme de calcul de la méthode proposée est donné ci-après :

Étape 1 : Lecture des données de la ligne et de la matrice de connectivité.
Étape 2 : Détermination des nœuds après chaque branche (matrice BR et M).
Étape 3 : Commencement à partir de la branche 1.
Étape 4 : Initialisation de toutes les tensions des nœuds situés au-delà de la branche en
question à celle existant au niveau de son nœud source.
Étape 5 : Calcul des puissances actives et réactives selon l’équation 3.8, des pertes de
puissances actives et réactives selon l’équation 3.10 ainsi que les puissances actives et
réactives au début de la branche selon l’équation 3.9 sur la base d’une tension égale à celle du
nœud source de branche et ce en balayant la ligne en montée.
Étape 6 : Calcul du courant circulant dans la branche en question selon l’équation 3.12 et sur
la base de tension égale à celle du nœud source de cette branche.
Étape 7 : Calcul de la tension pour la branche 1 de la ligne selon l’équation 3.14 et pour les
autres branches selon l’équation 3.15 et la phase à l’origine selon l’équation 3.16 du nœud
récepteur de la branche en question en procédant à un balayage en descente de la ligne.
Étape 8 : Initialisation à la tension du nœud où on vient juste de calculer les tensions des
nœuds qui le suivent.
Étape 9 : Si les tensions des nœuds récepteurs de toutes les branches ont été calculées, aller à
l'étape suivante sinon, aller à l'étape 5.
Étape 10 : Si la tolérance fixée pour la convergence est atteinte, aller à l'étape suivante sinon,
aller à l'étape 5 en partant de la branche 1.
Étape 11 : Affichage des résultats.
91
3.4 Résolution du problème d’OPER dans les réseaux de distribution
Les algorithmes évolutionnaires sont basés sur le principe du processus de l’évolution

naturelle et plus particulièrement de l’évolution des espèces vivantes. Un algorithme
évolutionnaire est composé de trois éléments principaux [157] :
- Une population qui est constituée de plusieurs individus représentant des solutions ou
configurations possibles du problème donné.
- Un mécanisme d’évaluation qui traduit l’adaptation de chaque individu de la population

dans s

Langue

TH7972 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TH7972 PDF

Transféré par

Droits d'auteur :

Formats disponibles

N° d’ordre 06 / 2014-C / ELT

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE

FACULTE D’ELECTRONIQUE ET INFORMATIQUE

Optimisation de la compensation de l’énergie

Mourad Hasni Professeur à l’USTHB Président de jury

Ce travail a pour objectif de développer un outil de calcul efficient permettant de

Louange et grâce à notre Dieu, le tout puissant de m’avoir donné

Je remercie également les membres du Laboratoire des Systèmes Électriques et Industriels

CHAPITRE 1 : États de l’art sur l’optimisation de la planification de l’énergie

1.1 INTRODUCTION ...............................................................................................................5

CHAPITRE 2 : Optimisation de la planification de l’énergie dans le réseau de transport

2.1 INTRODUCTION .............................................................................................................28

CHAPITRE 3 : Optimisation de la planification de l’énergie réactive dans le réseau de

CHAPITRE 4 : Optimisation de la planification de l’énergie réactive dans le réseau de

4.1 INTRODUCTION ...........................................................................................................107

5.1 INTRODUCTION ...........................................................................................................122

Figure 2.1 : Modèles des générateurs ...................................................................................... 46

Tableau 1.1 : Caractéristiques typiques des semi-conducteurs de puissance. ........................ 15

Au cours des dernières années, l’augmentation croissante de la demande d'énergie, les

La planification de l’énergie réactive dans le réseau de distribution est généralement

La planification de l’énergie réactive (PER) dans le réseau de transport consiste

L'objectif de l’optimisation de la planification de l’énergie réactive(OPER) dans le réseau

Le problème de l’OPER dans le réseau de transport et de distribution interconnecté (T &

L’objectif est de trouver l’emplacement et, la taille adéquate des moyens de

Dans le premier chapitre, des notions générales sur le problème de la compensation

Le deuxième chapitre traite du problème de l’OPER dans le réseau de transport. Un état

Le troisième chapitre est consacré au problème de l’OPER dans le réseau de distribution.

Au quatrième chapitre, Une approche est développée afin de solutionner le problème de

Lors de la conception ou l’étude de fonctionnement d'un système de transport ou de

La croissance de la demande d'énergie, le développement de la concurrence pour la

Il existe beaucoup de méthodes d’optimisation qui sont applicables dans différents

1.2 Généralités sur la compensation de l’énergie réactive

Le fonctionnement du réseau dans de bonnes conditions de la qualité, de sécurité et

La compensation de l’énergie réactive a pour tâche:

En analysant la nature de la puissance réactive, on peut conclure que la puissance

i. Les sources principales sont destinées pour la production de la puissance active et la

Parmi les moyens de compensations réactives on a:

1.2.2 Réglage de la tension sur les réseaux électriques

ouvrages (lignes, câbles, transformateurs) à l’aide des groupes ou de moyens spécifiques,

On met ainsi en évidence l’imbrication des problèmes de tenue de tension et de

Le problème posé à chaque instant à l’exploitant de ces réseaux présente un double

Sur le plan économique, en l’absence de clients raccordés directement, l’objectif est

L’établissement du plan de tension, pour une configuration du réseau et un niveau de

1.2.3 Phénomène d’instabilité de la tension

Le phénomène d’instabilité de tension est dû au fonctionnement des régleurs en charge

Selon l’amplitude de la perturbation, on distingue la stabilité de tension de petites

1.2.3.1 Stabilité de tension vis-à-vis des petites perturbations

La stabilité de tension de petites perturbations concerne la capacité du réseau électrique à

1.2.3.2 Stabilité de tension vis-à-vis des grandes perturbations

1.2.4 Moyens de compensation de l’énergie réactive et de réglage de la tension

1.2.4.1 Les compensateurs synchrones

1.2.4.2 Groupes thermiques et hydrauliques

Ils jouent un rôle essentiel dans le contrôle de la tension et la compensation de l’énergie

1.2.4.3 Les condensateurs

1.2.4.5 Compensateurs statiques

manuellement. La puissance réactive absorbée par l’inductance varie en contrôlant la valeur

Les compensateurs statiques ont de bonnes performances dynamiques (temps de réponse

1.2.4.6 Les dispositifs FACTS

Selon l'IEEE (Institute of Electrical and Electronics Engineers), la définition du terme

1.2.4.6.1Rôles des dispositifs FACTS

i. Le maintien de la tension à un niveau acceptable en fournissant de la puissance réactive